Questo studio analizza l’impatto della digitalizzazione sulla redditività di 766 aziende italiane a partecipazione pubblica tra il 2015 e il 2023. Utilizzando un dataset panel bilanciato, è stato costruito un Digital Score basato sul livello di digitalizzazione dei settori NACE. L’analisi prevede clustering (K-Means), modelli di machine learning (Random Forest e XGBoost) e approcci quasi-sperimentali (Difference-in-Differences e Propensity Score Matching). I risultati mostrano un impatto positivo ma marginale della digitalizzazione sul ROE. Gli indicatori di performance operativa, in particolare ROA ed EBITDA Margin risultano i principali driver della redditività. L’analisi quasi-causale non rileva effetti statisticamente signi!cativi della digitalizzazione nel breve periodo, suggerendo bene!ci potenziali solo nel medio-lungo periodo. Un test di robustezza basato su Noise Injection conferma che tali evidenze non dipendono dalla speci!ca costruzione dell’indicatore digitale.
Digitalizzazione e performance delle aziende pubbliche: un’analisi panel con machine learning e metodi causali / Sura, A., Di Ventura, E.. - In: AZIENDA PUBBLICA. - ISSN 1127-5812. - 2(2026), pp. 465-488. [10.30448/AP.2026.2.06]
Digitalizzazione e performance delle aziende pubbliche: un’analisi panel con machine learning e metodi causali
Sura A.;Di Ventura E.
2026
Abstract
Questo studio analizza l’impatto della digitalizzazione sulla redditività di 766 aziende italiane a partecipazione pubblica tra il 2015 e il 2023. Utilizzando un dataset panel bilanciato, è stato costruito un Digital Score basato sul livello di digitalizzazione dei settori NACE. L’analisi prevede clustering (K-Means), modelli di machine learning (Random Forest e XGBoost) e approcci quasi-sperimentali (Difference-in-Differences e Propensity Score Matching). I risultati mostrano un impatto positivo ma marginale della digitalizzazione sul ROE. Gli indicatori di performance operativa, in particolare ROA ed EBITDA Margin risultano i principali driver della redditività. L’analisi quasi-causale non rileva effetti statisticamente signi!cativi della digitalizzazione nel breve periodo, suggerendo bene!ci potenziali solo nel medio-lungo periodo. Un test di robustezza basato su Noise Injection conferma che tali evidenze non dipendono dalla speci!ca costruzione dell’indicatore digitale.| File | Dimensione | Formato | |
|---|---|---|---|
|
DiVentura_Digitalizzazione_2026.pdf
solo gestori archivio
Tipologia:
Versione editoriale (versione pubblicata con il layout dell'editore)
Licenza:
Tutti i diritti riservati (All rights reserved)
Dimensione
329.63 kB
Formato
Adobe PDF
|
329.63 kB | Adobe PDF | Contatta l'autore |
|
DiVentura_Digitalizzazione-Copertina-Indice_2026.pdf
solo gestori archivio
Note: Copertina e indice del fascicolo
Tipologia:
Altro materiale allegato
Licenza:
Tutti i diritti riservati (All rights reserved)
Dimensione
2.15 MB
Formato
Adobe PDF
|
2.15 MB | Adobe PDF | Contatta l'autore |
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.


