L’analisi esplorativa lascia aperta la domanda decisiva: il divario Nord-Sud conta di per sé, o riflette soltanto il tipo di progetti che il Sud ospita, più grandi, di temi diversi, con finanziamenti diversi? Qui rispondiamo con una regressione logistica sulla variabile «a rischio»: un modello che misura il peso di ogni fattore a parità di tutti gli altri. Il verdetto arriva subito: il territorio pesa, e con lui pesa una variabile che l’esplorazione non aveva messo a fuoco: il tipo di intervento.

La domanda e il metodo

Un divario descrittivo, per quanto netto, può sempre essere un effetto di composizione: se al Sud ci fossero più progetti grandi, o più opere pubbliche, il gap potrebbe spiegarsi senza scomodare il territorio. La regressione serve esattamente a questo: mette tutti i fattori nello stesso modello e chiede a ciascuno quanto conta tenendo fermi gli altri.

Il modello è esplicativo, non una scatola nera. È stimato per massima verosimiglianza con statsmodels, che oltre ai coefficienti restituisce errori standard, intervalli di confidenza e p-value: ogni numero di questa pagina ha quindi la sua misura di incertezza.

Che cosa entra nel modello

Lavoriamo su 206.757 progetti, cioè l’intero archivio meno una ventina di casi privi della classificazione di base. Il target è «a rischio»; i fattori messi a confronto sono:

• Territorio: Mezzogiorno contro Centro-Nord, la variabile sotto processo;
• Tipo di intervento: lavori pubblici, servizi, incentivi alle imprese, contributi ad altri soggetti, acquisto di beni (riferimento: acquisto di beni);
• Tema: le categorie tematiche di OpenCoesione (riferimento: ambiente);
• Dimensione: classi di importo (riferimento: 100k–500k €);
• Fondi europei: la quota del finanziamento pubblico coperta dall’Unione;
• Capitale privato: la quota del costo totale messa da soggetti privati;
• Governance: il numero di enti coinvolti nel progetto.

Ogni fattore categoriale si legge rispetto alla propria categoria di riferimento. In tutto 26 parametri su oltre 200.000 progetti: un modello volutamente sobrio, con pochissimo spazio per l’overfitting, e infatti, come vedremo, non ce n’è.

Due scelte vanno dichiarate. Il ciclo di programmazione non è tra i fattori: non è una caratteristica del progetto, è la finestra temporale in cui lo osserviamo: un progetto del 2021-2027 non è più fragile per natura, ha semplicemente avuto meno tempo. Lo usiamo invece come verifica, ristimando il modello dentro ciascun ciclo separatamente. E i progetti non attribuibili a un territorio (estero, ambito nazionale) restano nei dati con un indicatore tecnico che li isola, così da non finire confusi con il Centro-Nord.

Chi pesa davvero

L’odds ratio (OR) dice quanto cambiano le probabilità relative di finire a rischio rispetto alla categoria di riferimento, tenendo fisso tutto il resto: sopra 1 più rischio, sotto 1 meno. Il grafico mostra tutti gli OR con il loro intervallo di confidenza al 95%. È la versione completa della figura che compare nell’articolo: stessa lettura, qui con tutti i fattori invece degli otto principali. L’asse è logaritmico, così un raddoppio e un dimezzamento occupano la stessa distanza dalla linea dell’1.

Territorio: OR 2,80 (IC 95% [2,74–2,86]). A parità di tipo di intervento, tema, dimensione, fonti di finanziamento e governance, per un progetto del Mezzogiorno il rapporto fra la probabilità di incepparsi e quella di non incepparsi è quasi il triplo che al Centro-Nord. Il divario visto nell’esplorazione non era il riflesso del mix di progetti: aggiungere controlli non lo scioglie.

Il tipo di intervento, la scoperta del modello. È il fattore più forte dopo il territorio, e non era emerso nell’analisi descrittiva. Rispetto a un progetto che si limita a comprare beni:

Detta semplice: costruire un’opera, o passare i soldi a qualcun altro perché li spenda, è molto più rischioso che comprare. Una parte del rischio non sta in chi realizza il progetto, ma in che cosa il progetto è.

Tema. In testa la competitività delle imprese (OR 2,14), poi istruzione e formazione (1,66) e occupazione (1,56). Dalla nostra analisi risulta che la maggior parte dei temi presentano un Odds Ratio più alto rispetto al tema ambientale, utilizzato come riferimento.

Nell’esplorazione invece l’ambiente costituiva il terzo tema per numero di progetti classificati come “a rischio”. Questo apparente paradosso nasce dal fatto che i progetti ambientali sono quasi tutti grandi opere pubbliche al Sud, mentre la regressione logistica gli effetti delle variabili vengono disaccoppiate.

Fondi europei: OR 0,78. Un progetto interamente finanziato dall’Unione ha odds di rischio inferiori di circa un quinto rispetto a uno interamente nazionale. Una lettura plausibile è che i fondi europei portino con sé scadenze vincolanti e regole di disimpegno; il dato però dice che i due fenomeni vanno insieme, non che l’uno produca l’altro. Quel che conta è soprattutto avere fondi europei più che la quota esatta: a parità di averli, una percentuale più alta non protegge di più.

Capitale privato: OR 0,67, ma solo dove il privato mette i soldi suoi. Passare da un progetto interamente pubblico a uno interamente cofinanziato da privati riduce le odds di rischio di circa un terzo. L’effetto però non è distribuito in modo uniforme, e conviene dirlo subito: si concentra sugli incentivi alle imprese, l’unica categoria in cui il cofinanziamento privato è diffuso (54% dei casi, contro il 5% di tutto il resto). Dentro quel gruppo chi cofinanzia è a rischio nel 31,8% dei casi contro il 36,6%; fuori, la differenza non è distinguibile da zero. È anche un caso da manuale di autoselezione: un’impresa che mette i propri soldi sceglie progetti che ha davvero intenzione di realizzare, quindi il modello vede una correlazione, non l’effetto del cofinanziamento.

Dimensione. Il rischio disegna una campana: massimo nelle fasce intermedie (5–10 milioni, OR 1,64), più contenuto agli estremi.

Governance: OR 0,96. Più enti coinvolti non aumentano il rischio. È la conferma multivariata di quanto l’esplorazione suggeriva: l’ipotesi «più mani sul progetto, più ritardi» non regge sui nostri dati.

Quanto è solido il risultato

Con oltre 200.000 progetti, quasi l’intera popolazione, gli errori standard sono minuscoli e tutti i p-value sono prossimi a zero. Le verifiche che contano davvero, però, sono altre due.

E se togliessimo il territorio?

L’obiezione ricorrente è che l’effetto dell’area sia scontato, e che tanto valga toglierla dal modello. L’abbiamo testato stimando lo stesso modello senza il territorio. Il risultato è che il modello distingue molto peggio i progetti a rischio (AUC da 0,67 a 0,610) e il test del rapporto di verosimiglianza è enorme: il territorio porta informazione che nessun altro fattore contiene.

Ma il danno peggiore è un altro, ed è la distorsione degli altri coefficienti. Senza il controllo territoriale l’effetto dei fondi europei quasi sparisce (da 0,78 a 0,96), quello del capitale privato si attenua (da 0,67 a 0,74) e i progetti sopra i 50 milioni sembrano più fragili di quanto siano (da 1,24 a 1,48). Progetti giganti, fondi europei e cofinanziamento privato non sono distribuiti allo stesso modo tra Nord e Sud: senza il territorio in modello sono loro ad assorbirne l’effetto, e a raccontare una storia gonfiata. Togliere l’area non semplifica il modello: lo sbaglia.

Il divario, ciclo per ciclo

Il modello stima un unico OR del Mezzogiorno, mediato su progetti di età molto diversa. Per capire se il divario sia il fenomeno di una stagione particolare, ristimiamo lo stesso modello dentro ogni ciclo di programmazione, uno alla volta.

Il divario è maggiore di 1 e statisticamente significativo in tutti e quattro i cicli: cambia l’intensità, mai il segno. Due cautele di lettura: nel 2000-2006, ciclo ormai chiuso, al Centro-Nord è rimasto a rischio quasi nulla, quindi il rapporto esplode, e infatti l’intervallo è largo; nel 2021-2027, appena partito, quasi tutto è «non ancora a rischio» ovunque, e il divario può ancora allargarsi. Da notare che dentro i due cicli centrali, quelli con più progetti e più storia alle spalle, il divario è più netto del 2,80 medio: mediare su cicli diversi lo attenua.

Il divario è dunque persistente: non l’eredità di una stagione sfortunata, ma una costante di venticinque anni di programmazione.

Quanto prevede?

Oltre a spiegare, il modello può provare a prevedere quali progetti finiranno a rischio: un potenziale sistema di allarme preventivo. La capacità di ordinare correttamente i progetti si misura con l’AUC della curva ROC.

L’AUC è 0,67: discreta, non altissima. La lettura onesta è che con sole caratteristiche strutturali (dove nasce il progetto, che cosa fa, quanto vale, chi lo finanzia) il segnale c’è ma non basta per un allarme operativo affidabile. Servirebbero variabili di processo: l’avanzamento dei pagamenti nel tempo, i passaggi amministrativi, i tempi delle gare.

In sintesi

Il verdetto sulla domanda di apertura: il territorio pesa di per sé. Al Sud le odds di rischio sono quasi il triplo a parità di tipo di intervento, tema, dimensione, fonti di finanziamento e governance, e il divario è persistente: presente in ogni ciclo, con intensità diverse.

Accanto al territorio il modello mette a fuoco un fattore che l’esplorazione non aveva isolato: il tipo di intervento. Costruire opere ed erogare contributi a terzi rischia molto più che acquistare beni o servizi. È una leva su cui, a differenza della geografia, si può intervenire scrivendo diversamente i bandi. Nella stessa direzione va il cofinanziamento privato, che però riduce il rischio solo là dove il privato finanzia il proprio investimento. Nel frattempo un sospettato esce assolto: la complessità di governance non spiega i ritardi.

Un’avvertenza finale, la più importante: gli odds ratio sono associazioni, non effetti causali. L’OR del Mezzogiorno non dice che «essere al Sud» produce il rischio: riassume capacità amministrativa, contesto e prassi che si sommano nel territorio e che i dati di OpenCoesione non permettono di separare. Che cosa farne, lo discutiamo nelle conclusioni.

Resta però una domanda che questo modello non affronta: non quanto pesa ciascun fattore, ma quanto lontano si può arrivare a prevedere chi si incepperà. Se ne occupa il Random Forest, che parte proprio dall’AUC 0,67 raggiunta qui.