Storia dell'econometria: dalle origini ai nostri giorni

Introduzione: che cos'è l'econometria e perché la sua storia conta

L'econometria è la disciplina che unisce teoria economica, matematica e statistica per misurare le relazioni economiche e sottoporle a verifica empirica. Il termine fu coniato nel 1926 dal norvegese Ragnar Frisch, ma l'ambizione di «misurare» l'economia è molto più antica e attraversa tre secoli di storia del pensiero.

Questo articolo ripercorre quella storia in due movimenti. Il primo segue l'evoluzione dei metodi, dall'aritmetica politica del Seicento ai modelli di apprendimento automatico di oggi; il secondo racconta come la disciplina si è radicata nei singoli paesi, con tradizioni, scuole e istituzioni spesso molto diverse tra loro.

Capire questa storia serve a chi usa l'econometria oggi. Molti dibattiti attuali, come quello tra modelli strutturali e metodi «quasi-sperimentali», o tra interpretabilità e capacità predittiva del machine learning, sono riedizioni di controversie che la disciplina ha già attraversato negli anni Quaranta, Settanta e Novanta.

Le origini (XVII-XIX secolo): aritmetica politica e prime misurazioni

L'econometria nasce molto prima del suo nome. Nel 1690 William Petty, con la Political Arithmetick, propone di ragionare di economia «in termini di numero, peso e misura» e stima per primo il reddito nazionale inglese. Gregory King (1696) costruisce la prima curva di domanda empirica, la cosiddetta «legge di King» sul prezzo del grano.

Il Settecento e l'Ottocento preparano gli strumenti statistici. Adolphe Quetelet (Belgio, 1835) introduce l'«uomo medio» e l'applicazione della distribuzione normale ai fenomeni sociali. Francis Galton (1886) scopre la regressione verso la media, Karl Pearson formalizza il coefficiente di correlazione (1896) e George Udny Yule applica la regressione multipla a problemi economici e sociali (1897-1899), ponendo le basi dell'analisi causale per via statistica.

Sul fronte economico, Augustin Cournot (1838) e Léon Walras (1874) rendono matematica la teoria, mentre William Stanley Jevons (1862-1884) e poi Clément Juglar (1862) studiano i cicli economici con dati storici. Nel 1899 Engel formula la sua legge sui bilanci familiari e in Italia Vilfredo Pareto scopre, nel 1896, la distribuzione dei redditi che porta il suo nome.

La nascita della disciplina (1900-1945)

Tra le due guerre l'econometria si dà un nome, una società scientifica e un programma di ricerca. I primi decenni del Novecento vedono i tentativi pionieristici di Henry Ludwell Moore (USA, 1914) di stimare curve di domanda, le prime stime di elasticità di Henry Schultz (1928-1938) e i barometri congiunturali di Warren Persons a Harvard (1919), che tentano di prevedere il ciclo con indici statistici.

Il momento fondativo è il 29 dicembre 1930: a Cleveland Ragnar Frisch, Irving Fisher e Charles Roos fondano la Econometric Society, «per l'avanzamento della teoria economica nelle sue relazioni con la statistica e la matematica». Nel 1933 nasce la rivista Econometrica, diretta da Frisch, e nel 1932 l'uomo d'affari Alfred Cowles finanzia a Colorado Springs la Cowles Commission for Research in Economics, trasferita a Chicago nel 1939.

Negli stessi anni Jan Tinbergen costruisce il primo modello macroeconometrico completo, prima per i Paesi Bassi (1936, 24 equazioni) e poi per gli Stati Uniti su incarico della Società delle Nazioni (1939). Il modello suscita la celebre critica di John Maynard Keynes, che dubita della possibilità di dedurre relazioni causali stabili da serie storiche: è il primo grande dibattito metodologico della disciplina.

La svolta teorica arriva con Trygve Haavelmo. Nel saggio The Probability Approach in Econometrics (1944) egli sostiene che i dati economici vanno trattati come realizzazioni di processi probabilistici, e che i modelli devono essere formulati e stimati con la teoria della probabilità. È la base della moderna inferenza econometrica, e insieme ai lavori di Abraham Wald e Herman Wold sulle serie temporali chiude la fase «fondativa» della disciplina.

L'età d'oro dei modelli strutturali (1945-1975)

Nel dopoguerra la Cowles Commission detta il metodo: modelli a equazioni simultanee, fondati sulla teoria economica, identificati e stimati con tecniche probabilistiche. I contributi chiave sono il problema dell'identificazione (Koopmans, 1949-1950), gli stimatori a massima verosimiglianza a informazione limitata (Anderson e Rubin, 1949) e i minimi quadrati a due stadi (Theil, 1953; Basmann, 1957), poi estesi ai tre stadi da Zellner e Theil (1962).

Lawrence Klein traduce questo programma in modelli operativi. Il modello Klein-Goldberger (1955) per gli Stati Uniti e il Wharton Model degli anni Sessanta diventano il prototipo dei grandi modelli macroeconometrici, con centinaia di equazioni, usati da governi e banche centrali per previsioni e simulazioni di politica economica. Il progetto LINK (1968) collega i modelli nazionali in un sistema mondiale.

Intanto maturano gli strumenti di base. Il test di Durbin-Watson (1950) sull'autocorrelazione dei residui, i lavori di Cochrane e Orcutt (1949) e il test di Chow (1960) sulla stabilità strutturale entrano nella pratica quotidiana. Nel Regno Unito Richard Stone sviluppa la contabilità nazionale e i sistemi di domanda; nei Paesi Bassi Theil formalizza l'econometria delle decisioni di politica economica.

È anche la fase in cui l'econometria si istituzionalizza. Nascono dipartimenti e centri dedicati (Wharton, Brookings, DRI negli Stati Uniti; LSE e Cambridge in Gran Bretagna; il Central Planning Bureau olandese), mentre la diffusione dei calcolatori rende possibile la stima di sistemi sempre più grandi.

La rivoluzione metodologica (1975-2000)

Gli anni Settanta mettono in crisi i grandi modelli strutturali. L'inflazione e la stagflazione smentiscono le previsioni, e nel 1976 Robert Lucas formula la sua critica: i parametri stimati dipendono dalle politiche in vigore e non sono invarianti, quindi non possono essere usati per simulare politiche nuove. Nel 1980 Christopher Sims, in Macroeconomics and Reality, attacca le restrizioni «incredibili» dei modelli Cowles e propone i modelli VAR (autoregressioni vettoriali), in cui tutte le variabili sono trattate simmetricamente.

Parallelamente l'econometria delle serie storiche si rifonda. Box e Jenkins (1970) sistematizzano i modelli ARIMA; Granger (1969, 1974) definisce la causalità in senso predittivo e, con Newbold, mostra il pericolo delle «regressioni spurie»; Dickey e Fuller (1979) forniscono i test di radice unitaria; Engle e Granger (1987) introducono la cointegrazione, perfezionata da Johansen (1988-1991). Engle (1982) crea i modelli ARCH per la volatilità, estesi da Bollerslev (1986) al GARCH, che diventano lo standard in finanza.

La microeconometria compie un salto altrettanto grande. James Heckman (1976-1979) risolve il problema della selezione campionaria; Daniel McFadden (1973-1974) sviluppa i modelli di scelta discreta (logit condizionale); i dati panel trovano i loro metodi con Mundlak, Hausman (1978), Chamberlain e Arellano-Bond (1991). Lars Peter Hansen (1982) introduce il metodo dei momenti generalizzato (GMM), che permette di stimare modelli dinamici senza specificarne interamente la distribuzione. Halbert White (1980) rende di uso comune gli errori standard robusti all'eteroschedasticità.

Alla fine del secolo, i lavori di Angrist, Card, Krueger e Imbens sulle variabili strumentali interpretate come «esperimenti naturali» (1990-1996), e la formalizzazione del LATE (Imbens-Angrist, 1994), aprono la strada alla cosiddetta credibility revolution.

L'econometria contemporanea (2000-2026)

Il primo quarto del XXI secolo è dominato da tre forze: la «rivoluzione della credibilità», i dati di grande dimensione e il machine learning. La prima, battezzata da Angrist e Pischke nel 2010, sposta il baricentro della ricerca applicata verso disegni quasi-sperimentali (differenze nelle differenze, regression discontinuity, variabili strumentali, controllo sintetico di Abadie) e verso gli esperimenti controllati randomizzati, resi celebri dal lavoro di Banerjee, Duflo e Kremer sulla povertà (Nobel 2019). I Nobel 2021 a Card, Angrist e Imbens ne sanciscono il successo.

In macroeconometria i modelli DSGE stimati con metodi bayesiani (Smets e Wouters, 2003-2007) diventano lo strumento di riferimento delle banche centrali, mentre i VAR bayesiani, i modelli a fattori (Stock e Watson) e le tecniche di nowcasting sfruttano centinaia di serie per previsioni in tempo reale. La crisi del 2008 e la pandemia del 2020 spingono verso modelli con non linearità, regimi e rischio di coda.

Dal 2015 circa la frontiera si sposta sull'integrazione tra inferenza causale e apprendimento automatico: double/debiased machine learning (Chernozhukov e coautori, 2018), causal forests (Athey e Wager, 2018-2019), metodi per l'eterogeneità degli effetti dei trattamenti, lasso e regolarizzazione per la selezione di controlli in alta dimensione (Belloni, Chernozhukov, Hansen). La letteratura sulle differenze nelle differenze con adozione scaglionata (Callaway-Sant'Anna, Sun-Abraham, de Chaisemartin-D'Haultfœuille, 2020-2021) ha corretto decenni di pratica applicata.

Gli anni più recenti (2023-2026) vedono tre tendenze: l'uso dei grandi modelli linguistici per costruire variabili da testi e documenti, la crescente attenzione alla replicabilità e alla pre-registrazione, e il ritorno di interesse per i modelli strutturali «micro-fondati» stimati con metodi di simulazione, in una sintesi tra le due tradizioni che hanno diviso la disciplina per mezzo secolo.

Cronologia interattiva: i premi Nobel e i contributi fondamentali

I riconoscimenti arrivano in tre ondate: i fondatori europei (1969-1989), la generazione della rivoluzione metodologica (2000-2013) e quella dell'inferenza causale (2015-2021). Passando il cursore su ciascun punto si legge la motivazione del premio; il colore distingue il paese di nascita.

Molti contributi decisivi non hanno ricevuto il Nobel. La tabella seguente ne elenca alcuni che ogni manuale considera fondamentali.

Stati Uniti

Gli Stati Uniti sono il paese dove l'econometria si è istituzionalizzata e dove, dal dopoguerra, si produce la maggior parte della ricerca. I pionieri sono Henry L. Moore alla Columbia (1908-1929), il suo allievo Henry Schultz a Chicago e Irving Fisher a Yale, co-fondatore della Econometric Society. Il NBER di Wesley Mitchell (1920) e il barometro di Harvard rappresentano la tradizione «empirista» che Koopmans attaccherà nel 1947 come «misura senza teoria».

La Cowles Commission (Chicago, 1939-1955; poi Yale come Cowles Foundation) è il vero cuore della disciplina negli anni Quaranta: Koopmans, Marschak, Haavelmo, Klein, Arrow, Hurwicz e Simon vi elaborano il metodo delle equazioni simultanee. Negli anni Sessanta la leadership passa ai grandi modelli (Klein a Wharton, Brookings, Modigliani al MIT-FRB) e all'econometria delle imprese e delle famiglie (Griliches a Harvard, Jorgenson).

Dagli anni Settanta le università americane guidano ogni svolta: Chicago (Lucas, Hansen, Heckman), Minnesota (Sims, Sargent), Berkeley (McFadden), MIT (Hausman, Angrist, Duflo), Stanford (Imbens, Athey), Princeton (Card, Krueger). Gli Stati Uniti detengono la grande maggioranza dei premi Nobel attribuiti a contributi econometrici e ospitano le riviste e le società più influenti.

Regno Unito

Il Regno Unito è la culla della statistica moderna e di una tradizione econometrica autonoma rispetto a quella americana. Galton, Pearson, Yule e Fisher (quest'ultimo a Rothamsted, con il disegno degli esperimenti e la massima verosimiglianza) forniscono gli strumenti di base tra il 1886 e il 1930. Negli anni Trenta Keynes e Cambridge sono invece scettici sull'econometria, come mostra la polemica con Tinbergen.

Nel dopoguerra emergono due scuole. A Cambridge Richard Stone (Nobel 1984) costruisce i conti nazionali e i sistemi di domanda, e il Department of Applied Economics forma generazioni di econometrici. Alla London School of Economics, Denis Sargan, Jim Durbin e poi David Hendry elaborano negli anni Sessanta-Settanta la «metodologia LSE»: test di specificazione, modellazione dal generale al particolare e, con Hendry, l'approccio di modellazione dinamica che culmina nella teoria della cointegrazione sviluppata a Oxford e San Diego con Granger ed Engle.

Clive Granger, formatosi a Nottingham, riceve il Nobel nel 2003 per la cointegrazione. Oggi i centri principali sono Oxford, Cambridge, LSE, UCL (con Chernozhukov in parte e il gruppo di microeconometria strutturale di Blundell) e Warwick; l'Institute for Fiscal Studies è il più importante centro di econometria applicata alle politiche pubbliche in Europa.

Paesi Bassi e Scandinavia

Paesi Bassi, Norvegia, Svezia e Danimarca hanno un peso nella storia dell'econometria sproporzionato alla loro dimensione: tre dei fondatori della disciplina (Frisch, Tinbergen, Haavelmo) sono norvegesi o olandesi, e i primi due hanno ricevuto nel 1969 il primo premio Nobel per l'economia.

Paesi Bassi. Jan Tinbergen costruisce nel 1936 il primo modello macroeconometrico nazionale e nel 1945 fonda il Central Planning Bureau (CPB), che per primo usa modelli econometrici per la politica economica. Henri Theil, al Netherlands Econometric Institute di Rotterdam (1956), sviluppa i minimi quadrati a due stadi, la teoria delle decisioni di politica economica e il sistema di domanda di Rotterdam. Il corso di laurea in «econometria» di Rotterdam (1956) è il primo al mondo con quel nome; oggi Tilburg, Amsterdam e Groningen restano centri di prim'ordine.

Norvegia. Ragnar Frisch conia il termine, fonda la società, dirige Econometrica per oltre vent'anni e all'Università di Oslo crea una scuola che include Trygve Haavelmo, il cui saggio del 1944 fonda l'approccio probabilistico. Entrambi ricevono il Nobel (1969 e 1989). Statistics Norway e la Norges Bank mantengono questa tradizione con i modelli MODAG e NEMO.

Svezia e Danimarca. In Svezia Herman Wold (Uppsala) sviluppa negli anni Trenta-Cinquanta la teoria delle serie storiche stazionarie (decomposizione di Wold) e i modelli ricorsivi, in dialogo critico con Cowles. In Danimarca Søren Johansen (Copenaghen) formula nel 1988-1991 la procedura di massima verosimiglianza per la cointegrazione, divenuta standard mondiale, e Katarina Juselius ne sviluppa le applicazioni.

Francia

La Francia ha una tradizione matematica in economia antichissima (Cournot nel 1838, Walras, Dupuit) ma un'econometria che si sviluppa soprattutto all'interno dello Stato. Nel dopoguerra l'INSEE (1946), l'ENSAE e i Grands Corps formano una scuola di «ingegneri-economisti»: Edmond Malinvaud, direttore dell'INSEE, pubblica nel 1964 i Méthodes statistiques de l'économétrie, per decenni il manuale di riferimento europeo. Maurice Allais (Nobel 1988) e Marcel Boiteux rappresentano il filone più teorico.

Negli anni Settanta-Ottanta il CEPREMAP e il CREST elaborano modelli macroeconometrici per la pianificazione (DMS, METRIC) e la microeconometria strutturale. Negli ultimi trent'anni la scuola francese ha prodotto contributi di primo piano nella teoria asintotica e nei metodi di simulazione (Christian Gouriéroux e Alain Monfort, con i metodi di inferenza indiretta, 1993), nell'econometria dei panel e nelle valutazioni delle politiche (Bruno Crépon, Xavier D'Haultfœuille, co-autore degli stimatori DiD moderni), mentre la Toulouse School of Economics e la Paris School of Economics sono tra i maggiori centri europei. Thomas Piketty ha reso celebre l'econometria storica dei redditi e dei patrimoni.

Germania

La Germania ottocentesca è la patria della statistica sociale (Engel, Lexis, Bortkiewicz) e della scuola storica, che però diffidava della teoria matematica: un'eredità che, insieme alla diaspora degli anni Trenta (Marschak, Wald, Hurwicz, Morgenstern lasciarono i paesi di lingua tedesca), ritardò la nascita di una scuola econometrica. Nel 1935 Ernst Wagemann, all'Institut für Konjunkturforschung di Berlino, usò già metodi statistici per l'analisi del ciclo.

La rinascita è postbellica e passa per gli istituti di ricerca economica: DIW (Berlino), Ifo (Monaco), IfW (Kiel), RWI e ZEW, e per la Bundesbank, che dal 1970 impiega un modello macroeconometrico trimestrale. All'università, Wilhelm Krelle (Bonn) costruisce negli anni Sessanta il primo grande modello macroeconometrico tedesco e Heinz König (Mannheim) fonda la tradizione di microeconometria applicata.

Oggi la Germania è il secondo polo europeo dopo il Regno Unito: Mannheim, Bonn, LMU Monaco, Humboldt Berlino e Costanza nella teoria e nelle serie storiche (Helmut Lütkepohl, autore del manuale di riferimento sui VAR, Jörg Breitung, Joachim Grammig), e gli istituti IZA (Bonn) e DIW nella microeconometria del lavoro e nelle valutazioni delle politiche. La rivista Empirical Economics e il Deutsche Bundesbank Research Centre sono i principali canali di diffusione.

Italia

L'Italia vanta una tradizione statistico-economica di prim'ordine tra Otto e Novecento: Pareto scopre nel 1896 la distribuzione dei redditi; Corrado Gini introduce nel 1912 l'indice di concentrazione; Rodolfo Benini applica nel 1907 la regressione multipla a problemi demografici ed economici; Bruno de Finetti fonda negli anni Trenta la probabilità soggettiva, oggi alla base dell'econometria bayesiana. La Società Italiana di Statistica (1939) e l'Istat (1926) sono tra le istituzioni fondative.

L'econometria in senso stretto arriva più tardi e in prevalenza attraverso la Banca d'Italia, che negli anni Sessanta costruisce il modello M1BI (1970) con Franco Modigliani, Antonio Fazio e Franco Cotula, e poi il Modello Trimestrale (1986), tuttora aggiornato. Nelle università Giorgio Fuà (Ancona), Luigi Pasinetti e il gruppo di Prometeia (Bologna, 1974) sviluppano i modelli applicati; Carlo Giannini e Marco Lippi contribuiscono alla teoria dei VAR strutturali e dei modelli a fattori.

Dagli anni Novanta l'econometria italiana si internazionalizza: Bocconi, l'Istituto Universitario Europeo di Fiesole (dove hanno insegnato Hendry e Favero), Bologna, Padova, Roma Tor Vergata ed EIEF formano ricercatori che lavorano nelle maggiori università del mondo (tra gli altri Fabio Canova, Carlo Favero, Luca Benati, Francesca Molinari, Andrea Ichino, Enrico Moretti). La Società Italiana di Econometria (SIdE), fondata nel 2003, riunisce oggi la comunità e organizza scuole dottorali di livello internazionale.

Canada, Australia e altri paesi occidentali

Canada. L'econometria canadese cresce nel dopoguerra attorno alla Bank of Canada (modello RDX1, 1969, e RDX2, 1972, tra i più avanzati del tempo) e alle università di Toronto, Western Ontario e Queen's. Nella teoria si distinguono James MacKinnon e Russell Davidson (metodi bootstrap, test di specificazione, manuale del 1993), Angelo Melino, John Galbraith e, nella microeconometria, David Card (canadese, Nobel 2021) e Thomas Lemieux. Montréal (CIREQ) è un centro importante per i metodi bayesiani e le serie storiche (Jean-Marie Dufour, Éric Renault).

Australia. Nasce attorno a Monash, ANU e Sydney negli anni Sessanta-Settanta con i modelli di equilibrio generale computabile (ORANI, 1977, di Peter Dixon) e i modelli macroeconometrici della Reserve Bank. Peter Phillips, australiano trapiantato a Yale, è uno dei massimi teorici delle serie storiche non stazionarie; Adrian Pagan ha contribuito alla teoria dei test e alla modellazione macro; Monash resta un centro di riferimento per le previsioni (Rob Hyndman).

Svizzera, Belgio, Spagna. Ginevra ospitò la Società delle Nazioni e i lavori di Tinbergen; Louvain (CORE, 1966) ha formato generazioni di econometrici europei, con Jacques Drèze, Jean-François Richard e Luc Bauwens nei metodi bayesiani; Spagna, con CEMFI (Madrid, 1987) e Manuel Arellano, ha dato contributi decisivi all'econometria dei panel.

Giappone

Il Giappone importa l'econometria nel dopoguerra, ma ne diventa rapidamente un produttore originale. Negli anni Cinquanta-Sessanta l'Economic Planning Agency e la Banca del Giappone costruiscono i primi modelli di pianificazione, mentre all'Università di Tokyo e a Hitotsubashi si forma la prima generazione (Shinichi Ichimura, Michio Morishima, Takeshi Amemiya). Molti econometrici giapponesi lavorano poi negli Stati Uniti: Amemiya (Stanford) scrive nel 1985 un manuale di riferimento e contribuisce ai modelli con variabili dipendenti limitate.

La Japanese Economic Association, l'Institute of Statistical Mathematics e la Japan Statistical Society sostengono una scuola forte in teoria asintotica e serie storiche. Hirotugu Akaike formula nel 1973 il criterio di informazione AIC, uno degli strumenti più usati al mondo per la selezione dei modelli. Fumio Hayashi (Tokyo) è autore del manuale Econometrics (2000) adottato in molti dottorati; Nobuhiko Kiyotaki, Kazuo Ueda e Taisuke Nakata collegano teoria macro ed evidenza empirica.

Oggi i centri principali sono le università di Tokyo, Kyoto, Hitotsubashi e Osaka e l'Istituto della Banca del Giappone (IMES), con particolare forza nella modellazione macroeconometrica dei tassi zero e della deflazione, un laboratorio naturale che ha anticipato i problemi affrontati dalle altre economie avanzate dopo il 2008.

La Cina: dall'econometria importata alla produzione autonoma

In Cina l'econometria è assente fino alle riforme del 1978: nell'economia pianificata la statistica serviva alla contabilità del piano, non alla verifica di ipotesi. La svolta è il 1980, quando Lawrence Klein guida a Pechino un seminario estivo di sette settimane, organizzato dall'Accademia cinese delle scienze sociali, che forma la prima generazione di econometrici cinesi (tra cui Gregory Chow, che negli anni successivi fa da ponte tra Princeton e le università cinesi). Nel 1982 esce il primo manuale di econometria in cinese e nel 1984 la Chinese Association of Quantitative Economics.

Tra il 1990 e il 2010 la disciplina si consolida attraverso la formazione all'estero e il ritorno di studiosi: Justin Yifu Lin, Cheng Hsiao (manuale sui dati panel, 1986), Jushan Bai (serie storiche e modelli a fattori), Yongmiao Hong (test di specificazione e serie finanziarie). Nascono le scuole di economia di Pechino (CCER, 1994, poi NSD), Tsinghua, Fudan, Xiamen (WISE, 2005) e la rivista China Economic Review. La Chinese Economists Society e la Econometric Society tengono congressi regolari in Cina dal 2006.

Oggi la Cina è il secondo produttore mondiale di ricerca econometrica per numero di articoli, con punti di forza in serie storiche ad alta dimensione, econometria finanziaria, dati panel di grandi dimensioni e valutazione delle politiche su dati amministrativi; la qualità delle statistiche ufficiali resta però un vincolo discusso. Il trattamento dei «big data» cinesi (piattaforme, pagamenti, registri) rappresenta uno dei fronti più innovativi degli anni Venti.

I grandi paesi emergenti: India, Brasile, Russia e altri

India. È il paese emergente con la tradizione più antica. Prasanta Chandra Mahalanobis fonda nel 1931 l'Indian Statistical Institute di Calcutta, introduce la distanza che porta il suo nome e disegna il secondo piano quinquennale (1956) con un modello a due settori; C.R. Rao, formatosi lì, è uno dei massimi statistici del Novecento (limite di Cramér-Rao, 1945). La Delhi School of Economics, l'IGIDR di Mumbai e l'ISI ospitano oggi una scuola forte in econometria dello sviluppo; la diaspora indiana (Amartya Sen, Abhijit Banerjee, Raj Chetty, Rohini Pande, Arvind Subramanian) è centrale nella ricerca mondiale.

Brasile. L'econometria brasiliana nasce negli anni Sessanta-Settanta con la Fundação Getúlio Vargas, l'IPEA e l'Università di San Paolo, e si rafforza con la stabilizzazione del 1994 e la ricerca della Banca Centrale. Marcelo Fernandes, Marcelo Medeiros e la PUC-Rio sono riferimenti in econometria finanziaria e di serie storiche; l'ampiezza dei registri amministrativi brasiliani (RAIS) li ha resi un laboratorio per la microeconometria del lavoro e dei programmi sociali (Bolsa Família).

Russia. L'URSS ebbe una grande scuola matematica (Kantorovich, Nobel 1975, Slutsky, Kolmogorov) ma un'econometria ostacolata dall'ideologia; Eugen Slutsky scoprì nel 1927 che la somma di variabili casuali genera cicli apparenti, un risultato fondamentale per le serie storiche. Dopo il 1991 la New Economic School (Mosca, 1992) e la Higher School of Economics hanno creato una comunità moderna, oggi in parte dispersa all'estero.

Altri paesi. Il Messico (ITAM, Colegio de México), la Turchia (Bilkent, Koç), la Corea del Sud (KDI, Seoul National), Sudafrica (Stellenbosch) e Indonesia hanno sviluppato scuole nazionali, spesso attorno alle banche centrali e ai centri di ricerca sui programmi di sviluppo; la Corea in particolare è oggi tra i primi dieci paesi al mondo per produzione econometrica.

Tabelle comparative e grafici: scuole, metodi e peso dei paesi

Il grafico conta le istituzioni per paese nel ranking RePEc di econometria, che misura la produzione dei ricercatori registrati nel campo. Gli Stati Uniti dominano, il Regno Unito è il secondo polo, e tra i paesi di dimensione media spiccano Australia, Canada, Paesi Bassi, Spagna e Danimarca; la Cina compare con tre istituzioni, l'Italia con due (Bocconi ed EIEF). Il ranking sottostima i paesi i cui ricercatori lavorano all'estero, come l'Italia e l'India.

Le grandi scuole a confronto

Vocazioni nazionali

Conclusioni e prospettive

La storia dell'econometria è la storia di un pendolo tra teoria e dati. La Cowles Commission mise la teoria al centro; la critica di Lucas e i VAR di Sims spostarono il peso sui dati; la credibility revolution lo spostò ancora, verso il disegno della ricerca; il machine learning causale sta ora cercando una sintesi, in cui la flessibilità statistica serve a identificare effetti economicamente interpretabili.

Geograficamente, la disciplina è nata in Europa (Norvegia, Paesi Bassi, Regno Unito), è cresciuta negli Stati Uniti, che dal 1945 ne restano il centro, e si è diffusa in Asia a partire dagli anni Ottanta. La Cina e l'India sono oggi produttori di primo piano, e nel prossimo decennio la disponibilità di dati amministrativi e di piattaforma nei paesi emergenti potrebbe spostare ulteriormente la frontiera empirica fuori dall'Occidente.

Tre questioni aperte definiranno i prossimi anni: come conciliare interpretabilità e capacità predittiva dei modelli di apprendimento automatico; come garantire replicabilità e trasparenza in un'epoca di dati proprietari; e come riportare la teoria economica dentro metodi che, per reazione agli eccessi strutturalisti, l'hanno a lungo tenuta ai margini.

Perché conta

L'econometria è lo strumento con cui le banche centrali stimano l'inflazione attesa, i governi valutano gli effetti di una riforma e i tribunali quantificano un danno. Conoscerne la storia serve a leggere con il giusto scetticismo i numeri che la politica cita ogni giorno: dietro ogni stima c'è una scuola, un'assunzione e spesso una controversia. E la geografia della disciplina, con metà delle istituzioni di punta negli Stati Uniti e la Cina in rapida ascesa, dice molto su chi definirà i metodi con cui si misurerà l'economia dei prossimi decenni.

Bibliografia essenziale

• Mary S. Morgan, The History of Econometric Ideas, Cambridge University Press, 1990.

• Roy J. Epstein, A History of Econometrics, North-Holland, 1987.

• Duo Qin, The Formation of Econometrics: A Historical Perspective, Oxford University Press, 1993.

• Duo Qin, A History of Econometrics: The Reformation from the 1970s, Oxford University Press, 2013.

• David F. Hendry e Mary S. Morgan (a cura di), The Foundations of Econometric Analysis, Cambridge University Press, 1995.

• Trygve Haavelmo, «The Probability Approach in Econometrics», Econometrica, 12 (supplemento), 1944.

• Christopher A. Sims, «Macroeconomics and Reality», Econometrica, 48, 1980.

• Joshua D. Angrist e Jörn-Steffen Pischke, «The Credibility Revolution in Empirical Economics», Journal of Economic Perspectives, 24(2), 2010.

• Susan Athey e Guido W. Imbens, «Machine Learning Methods That Economists Should Know About», Annual Review of Economics, 11, 2019.

• Gregory C. Chow, «Teaching Economics and Studying Economic Reform in China», China Economic Review, 2000.

• Carlo Giannini e Marco Lippi, contributi su VAR strutturali e modelli a fattori; SIdE, Storia e attività della Società Italiana di Econometria.

Le date e le attribuzioni riportate nell'articolo provengono dalla letteratura storica indicata e sono da considerarsi approssimative dove la fonte primaria non è stata consultata direttamente.