Il ricorso al credito al consumo (progetto in word,spiegazioni grafici)
1. 1
IL CREDITO AL CONSUMO
Introduzione
Il credito al consumo è una forma di credito destinata esclusivamente ai consumatori,cioè alle
famiglie e alle persone fisiche che richiedono un finanziamento per fini indipendenti dalla
propria attività professionale o imprenditoriale. Non viene, dunque,concesso a imprese o a
soggetti che intendano utilizzare il credito a favore della propria attività lavorativa o
professionale. Dal punto di vista economico, “il credito al consumo è un canale di
finanziamento attraverso cui la domanda di beni può essere soddisfatta oltre il limite del
reddito del richiedente mediante un differimento temporale dei pagamenti. I beni tipicamente
acquistati mediante il credito al consumo sono i beni durevoli, quali: i mezzi di trasporto, gli
apparecchi dell’elettronica e gli elettrodomestici in genere, nonché gli articoli di arredamento.
Lo strumento giuridico originariamente volto a regolare questo tipo di rapporti è la vendita a
rate. Successivamente, lo sviluppo dello strumento ha consentito una diversificazione delle
forme tecniche di erogazione del credito al consumo. Oltre la vendita a rate, espressione dei
finanziamenti finalizzati, si sono aggiunti i finanziamenti non finalizzati (prestiti personali), i
prestiti contro cessione del quinto dello stipendio e le carte di credito revolving.
Nel nostro Paese, circa un quarto delle famiglie - il 26,1% per la precisione - ha almeno un
debito. E in media, mutui compresi, la cifra arriva a 51.175 euro. È quanto emerge
dall'indagine della Banca d'Italia dedicata ai redditi e alla ricchezza delle famiglie in
Italia.Questa percentuale è simile o poco inferiore a quella che si osserva per le famiglie di
altri paesi come Olanda, Portogallo e Germania. Percentuali più elevate, tra il 25 e il 37 per
cento, si registrano in Spagna, Finlandia e Francia. In Irlanda e nel Regno Unito circa la metà
delle famiglie ricorre al credito al consumo1. Come nel Regno Unito, anche negli Stati Uniti, in
base alla Survey of Consumer Finance del 2010, circa la metà delle famiglie aveva contratto
un prestito per finanziare spese di consumo. Non è facile trovare ragioni che spiegano l’entità
della differenza tra Italia e resto d’Europa. La prima e più importante differenza è
probabilmente legata alle
abitudini italiane in materia di risparmio. La propensione al risparmio nel nostro Paese è
storicamente più elevata che altrove. Inoltre essa presenta una forte correlazione positiva con
l’età del capofamiglia lasciando intravedere forti trasferimenti intergenerazionali di risparmio
accumulato. Infine bisogna valutare anche l’istituto del TFR, una fonte di reddito
tradizionalmente assegnata alla abitazione dei figli. L’Italia, il paese europeo con una
propensione al risparmio molto elevata, è quello ove è minore il rapporto tra credito al
consumo e reddito disponibile. La ricerca si concentra sull’identificazione dei fattori –
economici ed informativi - che possono incidere, nel breve/medio termine, sull’evoluzione di tali
forme di credito e sulla valutazione degli impatti economici che sono associati a tali scenari
evolutivi.
Indicatori di riferimento2
-Tasso di disoccupazione: calcolato come (Persone in cerca di occupazione / Forze di lavoro) *
100
-Quoziente di nuzialità: Rapporto tra i matrimoni celebrati in ciascuna regione e l’ammontare
medio della popolazione residente moltiplicato per mille.
1 (i dati relativi ai paesi europei sono calcolati usando il dataset Eu-Silc di Eurostat.
2 Fonti: Noi Italia 2012, 100 statistiche per capire il Paese in cui viviamo.Per i dati sui cellulari la fonte
è l’Istat”Cittadini e nuove tecnologie”,per il Credito al Consumo la fonte è il Bollettino Statistico della
Banca D’Italia.
2. 2
-Credito al Consumo: La quota del credito al consumo sul totale degli impieghi alle famiglie
consumatrici è calcolata come rapporto percentuale tra il credito concesso alle persone fisiche
considerate in qualità di consumatori e gli impieghi vivi, cioè lo stock dei finanziamenti
concessi dalle banche a soggetti non bancari, calcolati al netto delle sofferenze.
-Cellulari: cellulari posseduti per 100 famiglie
-Deprivazione: L’indicatore sintetico di deprivazione rappresenta la quota di famiglie che
dichiarano almeno tre delle nove deprivazioni riportate di seguito: non riuscire a sostenere
spese impreviste; avere arretrati nei pagamenti (mutuo, affitto, bollette, debiti diversi dal
mutuo); non potersi permettere una settimana di ferie in un anno lontano da casa, un pasto
adeguato (proteico) almeno ogni due giorni, il riscaldamento adeguato dell’abitazione,
l’acquisto di una lavatrice, o di un televisore a colori, o di un telefono, o di un’automobile.
-Reddito Netto: Il reddito netto familiare è pari alla somma dei redditi da lavoro, da capitale
reale e finanziario (escluso l’affitto imputato delle abitazioni occupate dai proprietari), da
pensioni e da altri trasferimenti pubblici e privati al netto delle imposte personali,
dell’Imposta comunale sugli immobili (Ici), dei contributi sociali a carico dei lavoratori e dei
trasferimenti versati ad altre famiglie.
-Autovetture:Numero di autovetture per regione. Sono esclusi i veicoli per i quali è stata
annotata la perdita di possesso e quelli confiscati.
-Motocicli:Numero di motocicli per regione,tranne quelli persi o confiscati.
-Intensità di Povertà: misura di quanto, in termini percentuali, la spesa delle famiglie povere è
mediamente al di sotto della linea di povertà3,cioè “quanto” sono povere le famiglie povere.
-Arredamento:Inteso come spesa media mensile che viene calcolata dividendo la spesa mensile
totale per il numero delle famiglie residenti.
La mappa dei quantili
Come possiamo vedere nella mappa,
sono le regioni del Mezzogiorno
a presentare livelli piu alti di
indebitamento,ma non tutte in maniera
cosi marcata.
Campania,Basilicata,Calabria,
Sicilia e Sardegna fanno parte
dell’ultimo quartile con i valori
piu alti compresi tra 21,1 e 29,3 %
mentre all’esatto opposto si
collocano le regioni del centro-
nord:Toscana,Emilia-
Romagna,Lombardia,Trentino Alto Adige
e Veneto con un range tra 5,7 e
9,3%.L’unica regione “outlier” nel Nord
Italia è la Valle D’Aosta,che presenta
livelli di indebitamento piu
vicini a quelli delle regioni del Sud Italia.
3 la soglia di povertà assoluta è pari a 984,73 euro, se residente nel Nord, e a 761,38 euro, se nel Mezzogiorno; scende a 918,93
euro e 704,69 euro rispettivamente qualora uno dei due componenti abbia più di 74 anni.
3. 3
Altra mappa utile a sottolineare le evidenti differenze territoriali in termini di ricorso al
credito è la mappa della deviazione
standard,che ci restituisce una visione
ancora piu chiara:Lombardia,Trentino e
Veneto colorate con un azzurro molto
carico,si discostano in maniera marcata
negativamente dalla media,mentre
all’esatto opposto solo la Calabria che
presenta un valore >27,1 a fronte di una
media di 14,455! Le altre 8 regioni colorate
in celeste (- μ-2σ) si discostano
negativamente dalla media,mentre le altre
8 regioni si discostano positivamente
(- μ+2σ)
Il box-plot raffigurato a lato è un utile
strumento che ci da informazioni sulla
distribuzione di frequenze del carattere
considerato; ci mostra infatti una evidente
asimmetria positiva4:la mediana(riga
arancione) vale 12,25 mentre la media
(pallina verde) 14,455: ciò significa che il
50% delle regioni italiane sono meno
indebitate rispetto alla media.
Le stesse informazioni ci vengono
confermate anche dal diagramma a barre a
lato:i rettangoli azzurri,che rappresentano le
frequenze delle regioni meno indebitate,sono
piu grandi degli altri
4 Indice di Curtosi: -0,29 ; Indice di asimmetria : 0,67 .Entrambi calcolati con Excel.Siamo in presenza di
una distribuzione platicurtica.
4. 4
Avendo analizzato prima la mappa dei quantili è stato possibile notare come la maggior parte
delle regioni fossero circondate da regioni di uguale colore:potremmo ipotizzare di essere in
presenza di autocorrelazione spaziale. Secondo Anselin5, l’autocorrelazione spaziale può
essere definita come un cluster territoriale di valori simili dei parametri. Se i valori simili dei
parametri - alti o bassi – sono localizzati spazialmente è presente una autocorrelazione
spaziale positiva dei dati. Al contrario, una prossimità spaziale di valori dissimili, cioè non
stabili nello spazio, indica una autocorrelazione spaziale negativa (o eterogeneità spaziale).
Per verificare l’esistenza dei cluster spaziali si può utilizzare l’indice I di Moran:
Attraverso il Moran’s
Scatterplot (dove sull’asse
delle ascisse è indicata la
variabile Credito e
sull’ordinata la stessa
variabile ritardata
spazialmente lagged Credito)
ci è stato facile calcolare il
Moran’s I.
Il valore di 0,60 unito a un p-
value di 0,03 calcolato con la
statistica t,è un chiaro
indizio di autocorrelazione
spaziale positiva.
In particolare,il tipo di
autocorrelazione nel
quadrante nord-est è di tipo
alto-alto,cioè regioni che presentano valori alti confinano con regioni che presentano anch’esse
valori alti;mentre nel quadrante sud-ovest il tipo di autocorrelazione spaziale positiva è di tipo
basso-basso:cioè regioni che presentano valori bassi confinano con regioni che hanno anch’esse
valori bassi. Balza subito all’occhio la posizione della Calabria indicata con la freccia rossa,non
è affiancata da nessuna regione che presenta un livello del debito alto come il suo.Piu ambigua
è la posizione della Valle D’Aosta,che si posiziona nel quadrante sud-est dove vige una
correlazione di tipo basso-alto,ma del resto ce ne siamo già accorti analizzando in prima
battuta la mappa dei quantili a inizio lavoro.
Le deduzioni appena fatte col Moran’s Scatterplot
sono confermate anche dalla Lisa Cluster
Map:il tipo di relazione nelle regioni del Nord
Italia indicate in blu(autocorrelazione spaziale
positiva di tipo basso-basso) sono molto strette e
ciò incide maggiormente sul valore dell’indice
globale.
Stessa cosa vale anche per le aree rosse che
rappresentano l’autocorrelazione spaziale
positiva di tipo alto-alto tra Puglia e Basilicata.
5 Anselin, L. and Rey S. (1991), “Properties of tests for spatial dependence in linear regression
models”
5. 5
E infine la mappa di significatività:mostra
le stesse aree individuate nella cluster map
ma indicando con “quanta”
significatività,”quanta forza” queste regioni
partecipano alla costruzione dell’I di Moran
positivo.Tanto piu il ci si avvicina al verde
scuro,tanto piu ci avviciniamo a un p-value
significativo.Sono 2 le regioni che
partecipano con una significatività del p-
value pari al 5% (Trentino e Puglia) e 5
regioni con un p-value dell’1% (Emilia-
Romagna,Lombardia,Veneto,Basilicata)
Diagnostica della Regressione
Come abbiamo visto finora,c’è un certo effetto “spillover” tra le varie regioni italiane. Ma
facciamo finta di non esserne a conoscenza e procediamo lo stesso a effettuare la regressione
lineare senza considerare l’effetto spaziale.
Il modello che utilizziamo è quello OLS (Ordinary Least Square),cioè il modello dei minimi
quadrati. Sebbene abbiamo selezionato circa 10 regressori, sono risultati davvero significativi6
soltanto 3 come possiamo notare dalla statistica-t valutando i loro p-values. L’R2 corretto è
molto elevato: l’84% della variabilità
del fenomeno è spiegato dalle variabili
esplicative che abbiamo scelto.Anche il
test F condotto sulle varianze delle
varabili esplicative è significativo,si
accetta in questo modo la
significatività congiunta delle stesse. I
residui della regressione si
distribuiscono normalmente e quindi
sono omoschedastici,lo si può notare
guardando i test Breusch-Pagan e
Koenker-Basset mentre il test di White
che è piu robusto,piu conservativo, ne
da ulteriore conferma.Il test Jarque-
Bera si dimostra significativo però:ciò
significa che i residui non si
distribuiscono normalmente violando
cosi l’ipotesi base di
omoschedasticità.Ciò può essere
causato dalla presenza da qualche
valore anomalo (quello piu immediato è
relativo alla Calabria ad esempio..).
Non risultano significativi né il
Moran’s I error,né l’LM lag nè l’LM
error:ciò significa che non c’è
autocorrelazione spaziale dei residui e il modello di base OLS ci basta per spiegare bene il
fenomeno analizzato.
6 Con un livello di confidenza al 95%.
6. 6
Conclusioni
Dall’analisi appena effettuata appare che la nostra variabile “Credito al Consumo” dipende in
maniera diretta dall’acquisto di autovetture e in maniera inversa dal reddito netto e
dall’acquisto di motocicli. Che la nostra variabile y dipendesse in maniera inversa dal reddito
netto era anche prevedibile:non ci si indebita se si dispone di un reddito sufficientemente
elevato tale da permettersi l’acquisto in contanti. Del resto le retribuzioni nel nostro Paese non
sono molto alte e sicuramente non son adeguate al costo della vita notevolmente aumentato
nel corso degli anni a partire dalla spinta inflazionistica indotta dall’adozione della moneta
unica. Ciò che invece desta qualche perplessità è la relazione inversa con l’acquisto dei
motocicli,probabilmente sarà dovuto o a un effetto sostituzione dell’uno con l’altro mezzo
(autovetture vs motocicli) dovuto a semplice scelta personale o ai tassi di finanziamento piu
alti nell’acquisto di motocicli;o ancora dalla reticenza inflitta dal costo delle polizze
assicurative moto visto che sono le piu alte d’Europa,soprattutto al Sud Italia. Inserendo
questa volta la variabile “polizzmoto” 7 nel
nostro modello di regressione Ols,sebbene la
bontà di adattamento del modello espresso
dall’R2 sia ancora elevata,appare subito
evidente che la variabile non è significativa.
Dunque appare confermata l’ipotesi di
“effetto sostituzione” nella scelta
dell’acquisto personale di un mezzo di
trasporto.
7 Dati ricavati da http://imga.automoto.it/static/upload/ind/indagine-isvap-prezzi-rca-1-luglio-2012.pdf