From Scalar Rankings to Territorial Structures: A Topological Data Analysis Framework for Regional Competitiveness

Per decenni, economisti e decisori politici hanno cercato di misurare quanto stiano andando bene luoghi diversi. Osservano regioni, città e stati, chiedendosi quali siano in crescita e quali in difficoltà. Per rispondere a questo, si sono tradizionalmente affidati a uno strumento semplice: un numero singolo. Immaginate di prendere il ritratto complesso di una persona — la sua salute, il suo lavoro, la sua istruzione, la sua vita sociale — e di comprimere tutte quelle informazioni in un unico punteggio di un test. Questo è essenzialmente ciò che fanno gli attuali metodi per intere regioni. Prendono decine di fattori diversi, come quanti abbiano un lavoro, quanto capitale venga investito e quanto le persone possano accedere a Internet, e li combinano in un unico ranking. Questo rende facile dire che una regione è la "numero cinque" e un'altra è la "numero cinquanta". Ma facendo ciò, questo approccio appiattisce il panorama. Nasconde il fatto che due regioni possano avere lo stesso punteggio ma raggiungerlo in modi completamente diversi, o che alcune regioni si trovino in una zona intermedia disordinata che non si inserisce nettamente in una linea.

Questo è il problema che un team di ricercatori dell'Università di Plovdiv, in Bulgaria, ha cercato di risolvere. Hanno sostenuto che la competitività regionale non è una linea retta dove tutti possono essere classificati dal migliore al peggiore. Invece, hanno proposto che sia uno spazio complesso e multistrato, dove le regioni si connettono tra loro attraverso schemi intricati. Per vedere questi schemi, si sono rivolti a un campo della matematica chiamato analisi topologica dei dati. In termini semplici, questo è un modo per studiare la forma dei dati. Invece di contare solo i punti o fare la media dei numeri, questo metodo osserva come i punti siano disposti nello spazio. Chiede se i dati formino una nuvola fluida, un insieme di isole distinte o una rete di loop e vuoti. Utilizzando questo approccio, i ricercatori volevano vedere se la mappa del successo regionale europeo somigliasse a una semplice scala o a qualcosa di molto più complicato.

I ricercatori si sono concentrati sull'Unione Europea, esaminando 117 regioni specifiche note come aree NUTS 2. Queste sono le unità standard utilizzate per le politiche regionali in Europa. Hanno raccolto dati dal 2015 al 2024, ma per garantire che la loro mappa fosse accurata, si sono concentrati sull'anno 2021, l'unico anno in cui disponevano di informazioni complete per tutte le 117 regioni in sette aree chiave. Queste aree includevano il livello di occupazione, il livello di sviluppo economico, la capacità di investire in nuovi progetti, l'accesso a Internet, la vulnerabilità sociale, il tempo che le famiglie trascorrono lavorando e il livello di istruzione e competenze della popolazione. Invece di mescolare questi sette fattori in un unico punteggio, li hanno mantenuti separati, trattando ogni regione come un punto unico che fluttua in uno spazio a sette dimensioni.

Per visualizzare questo spazio, il team ha utilizzato una tecnica chiamata algoritmo Mapper. Pensate a questo processo come al prendere una nuvola di dati ad alta dimensionalità e proiettarla su una superficie piatta per vederne la struttura. L'algoritmo raggruppa le regioni vicine in cluster, o "nodi", e traccia linee tra questi nodi se condividono caratteristiche comuni. Il risultato è una mappa di rete che mostra come le regioni si relazionano tra loro. Quando i ricercatori hanno applicato questo metodo ai dati del 2021, la mappa non appariva come una singola collina liscia dove si può camminare dal basso verso l'alto. Al contrario, ha rivelato un paesaggio con una spina dorsale centrale, diversi percorsi ramificati e cluster distinti.

La mappa ha mostrato che la competitività regionale dell'Unione Europea è organizzata in segmenti. C'era un grande gruppo centrale contenente regioni di Austria, Danimarca, Spagna, Finlandia e Paesi Bassi. Queste regioni condividevano un profilo molto simile in tutti i sette indicatori, formando un nucleo coerente. Vicino, ma distinto, c'era un altro cluster composto da regioni della Repubblica Ceca, Ungheria e Slovacchia, che mostrava una struttura interna diversa ma altrettanto forte. Altri nodi collegavano regioni di Austria, Danimarca, Svezia, Paesi Bassi e Spagna, mentre nodi più piccoli e isolati contenevano regioni di Bulgaria, Romania e Croazia. Fondamentalmente, la mappa ha mostrato che questi gruppi non erano solo collezioni casuali di vicini. Le regioni di paesi diversi finivano spesso nello stesso cluster perché le loro forze e debolezze interne coincidevano, mentre regioni dello stesso paese finivano talvolta in parti molto diverse della mappa.

I ricercatori hanno anche verificato se questo schema fosse solo un caso fortuito dell'anno 2021. Hanno eseguito la stessa analisi sui dati del 2018, 2019, 2020 e 2022. In ogni singolo anno, la mappa produceva una forma simile: una rete strutturata con una spina dorsale centrale e ramificazioni laterali, piuttosto che una singola linea continua. Ciò ha suggerito che il modo in cui queste regioni sono organizzate è una caratteristica stabile dell'economia europea, non una coincidenza temporanea. L'analisi ha anche utilizzato un metodo per testare i "buchi" e i "loop" nei dati. Ha scoperto che lo spazio non era un blocco solido e continuo. Al contrario, presentava lacune e componenti distinte, confermando che le regioni non sono solo diverse per grado, ma diverse per genere.

Questi risultati sfidano il vecchio modo di pensare sul successo regionale. Lo studio suggerisce che guardare a un singolo ranking sia insufficiente perché nasconde la vera struttura dell'economia. Due regioni potrebbero avere lo stesso punteggio complessivo, ma una potrebbe essere forte nell'occupazione ma debole nell'accesso digitale, mentre l'altra è l'opposto. Un semplice ranking le tratterebbe come uguali, ma la mappa topologica mostrerebbe che occupano posizioni molto diverse. I ricercatori hanno scoperto che alcune regioni si trovano nel mezzo, agendo come ponti tra diversi gruppi, mentre altre sono ai margini, scollegate dalle strutture principali. Questo è importante per i decisori politici perché significa che una soluzione che funziona per una regione in un cluster potrebbe non funzionare per una regione in un altro cluster, anche se hanno lo stesso ranking.

In definitiva, questa ricerca offre un nuovo modo di vedere il panorama economico. Non scarta i vecchi ranking, ma aggiunge loro uno strato di profondità. Trattando la competitività regionale come una forma complessa piuttosto che come un numero singolo, lo studio rivela che l'Unione Europea è composta da schemi di sviluppo sovrapposti e ricorrenti. Questi schemi attraversano i confini nazionali, collegando regioni che condividono un simile DNA economico indipendentemente dal paese di appartenenza. Il lavoro dimostra che per comprendere veramente come le regioni competono e crescono, dobbiamo guardare alla forma delle loro relazioni, non solo all'altezza dei loro punteggi.