Nel 1933 l’economia veniva rifondata sotto la pressione della Grande Depressione. Il crollo del 1929 e i fallimenti bancari a catena che seguirono misero a nudo un problema netto: gli economisti disponevano di abbondante teoria—su mercati, moneta, cicli e occupazione—ma di strumenti deboli per misurare come l’economia si comportasse davvero, per mettere alla prova spiegazioni concorrenti o per quantificare i compromessi di politica economica. La contabilità del reddito nazionale era ancora in via di sviluppo; i dati di serie storiche erano incompleti e rumorosi; e l’inferenza statistica in sistemi dinamici era agli inizi. Fu in questo contesto che l’econometria—concepita come unione disciplinata di teoria economica, matematica e statistica—assunse forma istituzionale e intellettuale attraverso due figure centrali: Ragnar Frisch e Jan Tinbergen.
Contesto storico: dalla crisi alla misurazione
La Grande Depressione non richiese soltanto nuove idee di politica economica; richiese una diagnosi empirica credibile. Scuole rivali discutevano se fossero decisive la deflazione, la contrazione monetaria, il sovrainvestimento o le rigidità strutturali, ma le loro argomentazioni erano spesso qualitative. Come Frisch avrebbe poi affermato in una dichiarazione programmatica, l’econometria era necessaria per trasformare la “pura economia” in qualcosa di operativamente verificabile. I primi anni Trenta videro anche l’ascesa di nuove agenzie statistiche e nuove serie di dati—indici di produzione industriale, serie dei prezzi, flussi commerciali—creando la materia prima per l’analisi quantitativa, anche se gli errori di misurazione e la brevità dei campioni ponevano sfide severe.
Sul piano istituzionale, l’anno di svolta fu il 1933, quando l’Econometric Society—fondata alla fine del 1930—lanciò la rivista Econometrica. Il primo presidente della Society fu Irving Fisher, ma il motore intellettuale fu Ragnar Frisch (1895–1973), economista-statistico norvegese che divenne il primo direttore della rivista. Tinbergen (1903–1994), fisico olandese divenuto economista e attivo presso il Netherlands Central Bureau of Statistics, divenne il più ambizioso modellista applicato del movimento. Il loro obiettivo condiviso non era “statistica applicata all’economia” in senso vago, bensì una nuova metodologia: teoria espressa matematicamente, confrontata con i dati tramite modelli probabilistici espliciti e stima.
Idee fondamentali e concetti chiave: unificare teoria, misurazione e inferenza
Il contributo chiave di Frisch fu articolare l’econometria come sintesi e sviluppare concetti per sistemi economici dinamici. Nella ricerca sui cicli economici, egli spinse per modelli che distinguessero tra (1) meccanismi di propagazione—la struttura interna dell’economia che trasmette gli shock nel tempo—e (2) impulsi—disturbi esterni o stocastici. Questa impostazione, associata al suo successivo saggio del 1933 “Propagation Problems and Impulse Problems in Dynamic Economics”, contribuì a spostare i cicli dall’essere trattati come misteriosi schemi ricorrenti all’essere modellati come esito di dinamiche identificabili più shock casuali.
Il contributo centrale di Tinbergen fu mostrare, concretamente, come costruire e stimare modelli macroeconomici a più equazioni. Egli trattò l’economia come un sistema—consumi, investimenti, prezzi, salari, commercio—collegato da relazioni comportamentali e identità contabili. I suoi primi modelli negli anni Trenta (e l’opera più pienamente sviluppata commissionata in seguito dalla Società delle Nazioni, incluso Statistical Testing of Business-Cycle Theories, 1939) miravano a discriminare tra teorie dei cicli usando evidenza di serie storiche. L’approccio di Tinbergen rese esplicito ciò che l’econometria prometteva: non soltanto correlazione, ma stima strutturata legata a meccanismi economici.
Tre idee tecniche furono centrali nel programma econometrico da loro inaugurato:
-
Equazioni strutturali vs. correlazioni in forma ridotta. Un’equazione “strutturale” comportamentale (ad esempio, il consumo dipende dal reddito e dai tassi d’interesse) intendeva riflettere meccanismi causali. La forma ridotta—ciò che si osserva dopo che tutte le equazioni interagiscono—poteva essere stimata statisticamente, ma l’analisi di policy richiedeva la struttura.
-
Simultaneità. Molte variabili economiche sono determinate congiuntamente (prezzi e quantità; salari e occupazione; tassi d’interesse e investimenti). Stimare un’equazione in modo ingenuo tramite minimi quadrati ordinari rischia distorsione perché i regressori possono essere endogeni—correlati con il termine d’errore.
-
Dinamica e serie temporali. L’aggiustamento economico si dispiega nel tempo; variabili ritardate catturano abitudini, contratti e costi di aggiustamento. Ma la dinamica introduce autocorrelazione e rischi di non stazionarietà (non ancora pienamente formalizzati negli anni Trenta), complicando l’inferenza.
Formulazione matematica: il primo modello econometrico
Un semplice modello macro in stile Tinbergen può essere rappresentato come un sistema dinamico simultaneo:
$$ A y_t = B x_t + \Gamma y_{t-1} + u_t, $$
dove (y_t) è un vettore di variabili endogene (ad es. produzione, consumi, investimenti, salari, prezzi), (x_t) variabili esogene o di policy (ad es. spesa pubblica, domanda mondiale, proxy dell’offerta di moneta), e (u_t) un vettore di disturbi. Ogni riga del sistema corrisponde a una relazione comportamentale o a un’identità. Per esempio, una funzione del consumo potrebbe apparire come
$$ C_t = \alpha + \beta Y_t + \delta C_{t-1} + \varepsilon_t, $$
mentre gli investimenti potrebbero dipendere dai tassi d’interesse e dalla domanda attesa:
$$ I_t = \phi - \eta r_t + \kappa (Y_{t-1}) + \nu_t. $$
L’ambizione econometrica era stimare parametri come (\beta, \delta, \eta) e poi usare il modello per esperimenti controfattuali di politica economica. La difficoltà statistica centrale—riconosciuta nei tratti essenziali ma non pienamente risolta fino a più tardi—era che, se (Y_t) e (C_t) sono determinati congiuntamente, allora (Y_t) può essere correlato con (\varepsilon_t), violando le condizioni di esogeneità necessarie per una stima non distorta ai minimi quadrati:
$$ \mathbb{E}[\varepsilon_t \mid Y_t] \neq 0. $$
Questa “distorsione da simultaneità” divenne un problema econometrico definitorio e in seguito motivò le variabili strumentali e il programma di identificazione della Cowles Commission.
Impatto storico e critiche: promessa e reazioni
L’impatto immediato del momento 1933 fu istituzionale e metodologico: Econometrica fornì una piattaforma per una nuova identità dell’economia come scienza empirico-matematica. Gli sforzi di modellizzazione di Tinbergen dimostrarono inoltre che una macroeconomia quantitativa su larga scala era fattibile, influenzando agenzie governative e organizzazioni internazionali che cercavano di comprendere le dinamiche della depressione.
Eppure anche le critiche furono altrettanto formative. John Maynard Keynes, in una celebre recensione del 1939 del lavoro di Tinbergen per la Società delle Nazioni (costruita sul programma di modellizzazione degli anni Trenta), mise in dubbio che i dati disponibili e le strutture economiche instabili potessero sostenere test statistici precisi. Temeva una precisione spurie—stimare parametri in un’economia che cambia come se le relazioni fossero fisse. Altri obiettarono che i modelli econometrici introducevano di nascosto assunzioni teoriche sotto le spoglie della misurazione, o che l’identificazione—la capacità di recuperare univocamente parametri strutturali dalle correlazioni osservate—non era garantita.
Queste critiche non furono soltanto retoriche; plasmarono la successiva ondata di sviluppo tecnico, soprattutto su simultaneità, test di specificazione e logica dell’inferenza nei sistemi economici.
Eredità e rilevanza oggi: dai modelli dell’era della depressione all’economia empirica moderna
L’eredità di Frisch e Tinbergen è visibile nel flusso di lavoro di base dell’economia applicata moderna: specificare un modello, collegarlo ai dati tramite assunzioni probabilistiche, stimare i parametri, testarne le implicazioni e usare i risultati per previsioni o analisi di policy. L’enfasi di Frisch su dinamica e shock anticipa il linguaggio e gli strumenti dell’odierna macroeconomia su impulso–propagazione, e strumenti come i vettori autoregressivi e i modelli DSGE. La costruzione pratica di sistemi di Tinbergen prefigurò la modellistica macro nazionale del dopoguerra, i modelli previsivi delle istituzioni di politica economica e l’odierna stima strutturale in economia del lavoro, IO e macro.
La frontiera econometrica si è spostata—da semplici regressioni su serie temporali a microdati ad alta dimensionalità, esperimenti naturali e machine learning—ma la domanda fondativa rimane, nello spirito dell’era della Depressione: come distinguere storie causali concorrenti con dati imperfetti.
Continuità: dalla precedente economia statistica alla successiva teoria dell’identificazione
L’econometria non emerse dal nulla. Si basò sul lavoro statistico di fine XIX e inizio XX secolo (dalla “fisica sociale” di Quetelet all’inferenza pearsoniana), sulle tradizioni di misurazione dei cicli economici (Mitchell e il NBER) e sull’economia matematica (Walras, Pareto). Ciò che cambiò intorno al 1933 fu l’insistenza sull’integrazione: la teoria economica che fornisce la struttura, la matematica che fornisce chiarezza, e la statistica che fornisce un confronto disciplinato con l’evidenza.
Il passo successivo nella genealogia arrivò poco dopo: la Cowles Commission negli anni Quaranta formalizzò identificazione, simultaneità e stima nei sistemi—sviluppando metodi (inclusa una prima logica delle variabili strumentali) per affrontare precisamente i problemi incontrati da Tinbergen. Più tardi, la critica di Lucas (1976) rilanciò le preoccupazioni che Keynes aveva espresso sulla stabilità strutturale sotto cambiamenti di policy, spingendo la macroeconometria verso microfondazioni esplicite. In questo arco più lungo, il 1933 rappresenta un anno-cardine: il momento in cui la disciplina si impegnò pubblicamente nell’idea che gli argomenti economici dovessero essere non solo logicamente coerenti, ma anche statisticamente responsabili.