Analisi sui tassi d'interesse dei bond governativi

Dato il contesto specifico e preciso nel quale si inseriscono le variabili trattate, ossia il contesto dei modelli ISLM e AS-AD, è possibile dare un ruolo specifico alle variabili dicotomiche temporali. Questo ruolo è quello di catturare gli effetti prevalenti visti nel capitolo precedente, ossia le dinamiche della “variazione della LM”.
Riusciranno così a emergere gli effetti “nascosti”. Includendo nei modelli queste variabili si vede che l’aumento del GDP pro capite fa aumentare il tasso d’interesse e che un aumento delle RU può essere ricollegato ad aumento del tasso d’interesse, per via di un aumento degli afflussi di tipo finanziario.
Si vuol far notare al lettore che questo capitolo è da intendersi come approfondimento utile sia a verificare l’esistenza dell’effetto dovuto ad uno spostamento della IS, sia a inquadrare meglio le RU e le sezioni della tesi che le riguardano. Tuttavia non è indispensabile per la comprensione del filo logico generale e dunque per le conclusioni, in cui i risultati qui esposti non saranno inclusi, per la scelta di mantenere le conclusioni le più immediate possibili.

Sono necessarie due premesse.

La prima riguarda la prevalenza della (1) “variazione della LM”

Nell’analisi per singolo paese emerge dai dati la (1) “variazione della LM”. Questo però non significa che gli effetti della (2) “variazione della IS” non vi siano e che dunque la teoria che li propone non sia corretta.
Significa che gli effetti che prevalgono sono quelli della (1) “variazione della LM”.

La seconda riguarda il ruolo degli effetti temporali attraverso i quali verifichiamo l’esistenza della (2) variazione della IS.

Vedremo che i risultati sono opposti a seconda che si includano o meno gli effetti temporali. Ad esempio, con riguardo alla relazione fra GDP e tasso, se si includono otterremo le dinamiche presenti nella (2) “variazione della IS”, mentre se si omettono si ritorna a vedere i risultati attinenti alla (1) “variazione della LM”.
Gli effetti temporali, nei panel, sono quegli effetti da variabili omesse che possono incidere sul risultato.
Se si includono questi effetti nel modello si dovrebbe ottenere il risultato che si avrebbe includendo le variabili omesse.
Gli effetti temporali si includono aggiungendo variabili dicotomiche temporali. Ricordiamo che aggiungere una variabile generica al modello statistico permette di leggere l’effetto dell’altra variabile, “tenendo fissa” la variabile aggiunta.