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 alleabitudini 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.

-Credito al Consumo: La quota del credito al consumo sul totale degli impieghi alle

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.

1

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 quantiliCome 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. 

2

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.

3

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

5 Anselin, L. and Rey S. (1991), “Properties of tests for spatial dependence in linear regression models”

4

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.

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 RegressioneCome 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

6 Con un livello di confidenza al 95%.5

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.

ConclusioniDall’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

6