1. CONVEGNO 2012 – Gruppo SIS per la Valorizzazione delle Statistiche pubbliche
PRENDERE DECISIONI:IL RUOLO DELLA STATISTICA PER LA CONOSCENZA E LA GOVERNANCE
MAKING DECISIONS: THE ROLE OF STATISTICS FOR KNOWLEDGE AND GOVERNANCE
Benessere e Qualità della vita: una
strategia per la scelta e l’analisi di
indicatori oggettivi e soggettivi a
livello regionale in Italia
Luigi Biggeri1,3, Tiziana Laureti2, Luca Secondi3
1
Università di Firenze
2
Università della Tuscia
3
Università Telematica Internazionale Uninettuno
Università Europea di Roma – 19,20 aprile 2012
2. Struttura della presentazione
1. Introduzione
3. Una strategia per la scelta e l’analisi di indicatori
5. Una prima applicazione a livello regionale
3.1 Il dataset utilizzato
3.2 Focus sulla dimensione economica
4. Alcune considerazioni e problemi da affrontare
3. 1. Introduzione
Obiettivo del lavoro
Proporre una strategia di analisi statistica per la selezione di un set di
indicatori adeguati e condivisi da utilizzare per interventi di politica
economico-sociale a livello territoriale
Dibattito
Approccio Multidimensionale (Fitoussi, 2009; Gruen , 2011 ) ► 12 domini
nel Progetto BES Istat-Cnel
Selezione delle misure nell’ambito di ciascun dominio
Criteri/ proprietà (Esempio: Measuring national well-being ONS UK)
Coerenza tra gli indicatori all’interno di un dominio
Disponibilità di serie storiche adeguate e comparabili
Informazioni disaggregabili a livello locale
Inclusione di indicatori oggettivi e soggettivi
Lista molto ampia di indicatori possibili per ciascun dominio
4. 2. Una strategia per la scelta e l’analisi di indicatori (1/3)
Caratteristiche:
- Impiego di strumenti statistici la cui logica è facilmente comprensibile ad un
vasto pubblico
- Elevata capacità informativa/comunicativa
- Importanza della dimensione spaziale del benessere
- Lavoro in progress
Struttura:
FASE 1. Analisi della sostituibilità e della capacità discriminatoria
1.1 Analizzare le relazioni tra indicatori (oggetti e soggettivi)
1.2 Esaminare la capacità di discriminare tra unità
►Iniziale selezione di un numero ridotto di indicatori
FASE 2. Analisi della capacità degli indicatori di evidenziare patterns spaziali
e spazio-temporali
2.3 Valutare l’esistenza di autocorrelazione spaziale
2.4 Esaminare la dinamica delle distribuzioni spaziali nel tempo
2.5 Individuare i fattori che influenzano i fenomeni misurati dall’indicatore
►Possibilità di utilizzare gli indicatori per interventi di politica
economico-sociale a livello territoriale
5. 2. Una strategia per la scelta e l’analisi di indicatori (2/3)
FASE 1. Analisi della sostituibilità e della capacità
discriminatoria degli indicatori
1.1 Impiego di semplici metodologie di analisi univariata e multivariata
Indici di variabilità Comprensione del verso logico degli indicatori
Anova
Analisi di correlazione Verifica presenza dimensione latente e
Analisi fattoriale individuazione degli indicatori che partecipano in
Analisi dei gruppi misura maggiore alla soluzione fattoriale
raggruppamento delle unità in termini di
1.2 Impiego di strumenti grafici somiglianza rispetto ai diversi indicatori
Box plot Verifica presenza eterogeneità
Box map
Cartogrammi Individuazione dei valori anomali
6. 2. Una strategia per la scelta e l’analisi di indicatori (3/3)
FASE 2. Analisi della capacità degli indicatori di evidenziare
patterns spaziali e spazio-temporali
2.3. Impiego di metodi di analisi spaziale esplorativa
Indice di autocorrelazione globale, I di Moran
Indice di autocorrelazione locale
2.4. Impiego di metodi per l’analisi della convergenza delle unità territoriale
σ convergence
β convergence
Matrici di transizione di Markov
2.5. Impiego di metodi di analisi spaziale confermativa
Modelli spazio-temporali di tipo regressivo
7. 3. Una prima applicazione a livello regionale
3.1 Il data set utilizzato
Ricostruzione di un data set di indicatori di benessere e di qualità della vita
comparabili a livello regionale;
162 indicatori per le 20 regioni italiane e per gli anni 2005-2008
Classificazione degli indicatori in 10 gruppi:
I: Situazione economica
II: Salute
III: Istruzione
IV: Tempo libero
V: Rapporti con istituzioni pubbliche
VI: Partecipazione politica e religiosa
VII: Relazioni familiari e con altri
VIII: Ambiente
IX: Insicurezza – Criminalità
X: Insicurezza economica
Separazione degli indicatori oggettivi da quelli soggettivi
►Focus su dimensione economica
Utilizzo di serie storiche per gli anni 1997-2010
8. ►Focus sulla dimensione economica
Indicatori oggettivi Indicatori soggettivi
X1 = PIL pro-capite (in Euro) X25 = Persone di 14 anni e più che si dichiarano molto soddisfatte della
X2 = PIL pro-capite (variazioni percentuali rispetto all’anno situazione economica (%)
precedente) X26 = Persone di 14 anni e più che si dichiarano abbastanza soddisfatte della
X3 = Numero di imprese (per 1000 abitanti) situazione economica (%)
X4 = Tasso di iscrizione nel registro delle imprese (%) X27 = Persone di 14 anni e più che si dichiarano poco soddisfatte della
X5 = Consumi di energia elettrica (Kwh per abitante) situazione economica (%)
X6 = Autovetture circolanti per abitante X28 = Persone di 14 anni e più che si dichiarano per niente soddisfatte della
X7 = Famiglie che possiedono: telefono fisso (%) situazione economica (%)
X8 = Famiglie che possiedono: telefono cellulare (%) X29 = Giudizio delle famiglie sulle risorse economiche disponibili: ottime o
X9 = Famiglie che possiedono: almeno un auto (%) adeguate (%)
X10 = Famiglie che possiedono: più di un auto (%) X30 = Giudizio delle famiglie sulle risorse economiche disponibili: scarse (%)
X11 = Reddito familiare netto medio, esclusi i fitti imputati (in Euro) X31 = Giudizio delle famiglie sulle risorse economiche disponibili: insufficienti
X12 = Reddito familiare netto mediano, esclusi i fitti imputati (in Euro) (%)
X13 = Indice di concentrazione del Gini ( su reddito esclusi i fitti X32 = Giudizio delle famiglie sul cambiamento della situazione economica
imputati) rispetto all’anno precedente: molto e un po’ migliorata (%)
X14 = Reddito familiare netto medio, inclusi i fitti imputati (in Euro) X33 = Giudizio delle famiglie sul cambiamento della situazione economica
X15 = Reddito familiare netto mediano, inclusi i fitti imputati (in Euro) rispetto all’anno precedente: invariata (%)
X16 = Indice di concentrazione del Gini (su reddito inclusi i fitti X34 = Giudizio delle famiglie sul cambiamento della situazione economica
imputati) rispetto all’anno precedente: molto e un po’ peggiorata (%)
X17 = Incidenza di povertà relativa per la popolazione (% su totale X35 = Difficoltà delle famiglie nella spesa: arriva a fine mese con difficoltà (%)
popolazione) X36 = Difficoltà delle famiglie nella spesa: è stata in arretrato con le bollette
X18 = Incidenza di povertà relativa per le famiglie (% su totale (%)
famiglie) X37 = Difficoltà delle famiglie nella spesa: non riesce a riscaldare la casa (%)
X19 = Spesa media mensile familiare (in Euro) X38 = Difficoltà delle famiglie nella spesa: non avuto soldi per alimentari (%)
X20 = Spesa media mensile familiare per alimentari (in Euro) X39 = Difficoltà delle famiglie nella spesa: non ha avuto soldi per spese
X21= Quota di spesa media mensile per alimentari sul totale (%) mediche (%)
X22 = Persone che non sono andate in vacanza (%) X40 = Difficoltà delle famiglie nella spesa: non ha avuto soldi per vestiti
X23 = Persone che non sono andate in vacanza per motivi economici necessari (%)
(%) X41 = Difficoltà delle famiglie nella spesa: non avuto soldi per trasporti (%)
X24 = Persone che non sono andate in vacanza perché residenti in X42 = Difficoltà delle famiglie nella spesa: non riesce a sostenere spese
località turistiche(%) impreviste di 700 euro (%)
X43 = Problemi relativi all’abitazione: spese troppo alte (%)
X101 = Problemi relativi all’abitazione: troppo piccola (%)
X102 = Problemi relativi all’abitazione: in cattive condizioni (%)
9. 3. Una prima applicazione a livello regionale
3. 2 Focus sulla dimensione economica
-3 -2 -1 0 0 10 20 30 0 5 10 15 10 20 30
30000
PIL 20000
pro-capite
10000
0
Variazioni
-1 PIL
(rispetto
-2 anno
precedente)
-3
100
Numero
imprese 80
(per 1000
abitanti)
60
30
20 Incidenza
povertà
10 relativa
0
3000
Spesa 2500
media
mensile
familiare 2000
1500
15
Giudizio
10 famiglie
risorse
5 economiche:
insufficienti
0
8
Cambiamento
situazione 6
economica:
molto e un
po' 4
migliorata
2
30
Difficoltà
20 famiglie:
arriva a fine
mese con
10 difficoltà
30
Difficoltà
delle 20
famiglie: non
ha avuto soldi
per spese 10
mediche
0
10000 20000 30000 60 80 100 1500 2000 2500 3000 2 4 6 8 0 10 20 30
10. 3. Una prima applicazione a livello regionale
3. 2 Focus sulla dimensione economica
Giudizio
famiglie Cambiamento Difficoltà Difficoltà
Incidenza Spesa risorse eco situaz. eco famiglie: famiglie
povertà familiare insufficienti miglioratia arrivare a fine spese
PIL Var PIL Num imprese mese mediche
PIL 1
Var PIL -0.231 1
Num imprese 0.887 -0.230 1
Incidenza
povertà -0.893 0.333 -0.882 1
Spesa familiare 0.912 -0.345 0.837 -0.928 1
Giudizio famiglie
risorse eco
insufficienti -0.767 0.014 -0.715 0.708 -0.716 1
Cambiamento
situaz. eco
miglioratia 0.553 -0.174 0.523 -0.512 0.547 -0.618 1
Difficoltà
famiglie: arrivare
a fine mese -0.842 0.070 -0.888 0.818 -0.794 0.905 -0.587 1
Difficoltà famiglie
spese mediche -0.856 0.017 -0.865 0.892 -0.829 0.852 -0.589 0.933 1
11. 3. Una prima applicazione a livello regionale
3. 2 Focus sulla dimensione economica
Analisi in componenti principali:
►Individuazione degli indicatori che in misura maggiore spiegano gli assi fattoriali
►I primi due fattori spiegano sempre (anni 2005-2008) oltre il 70% della variabilità
Dimensione economica - anno 2008
Giudizio famiglie situaz. econ.:
1
Invariata (%)
x33
Giudizio sulle risorse
Economiche disponibili:
.5
x25
x29
Ottime o adeguate (%)
Incidenza povertà x26
relativa: % famiglie x2 x32
Factor 2
x18
x1
PIL pro capite
0
x19
x27x31
x28
-.5
x30 x10
Spesa media mensile
familiare
x34
Fattore 1: dimensione oggettiva
-1
-1 -.5 0 .5 1
Factor 1
Fattore 2: dimensione soggettiva
Rotation: orthogonal varimax Giudizio famiglie situaz. econ.:
Method: principal-component factors
Molto e un po’ peggiorata (%)
12. 3. Una prima applicazione a livello regionale
3. 2 Focus sulla dimensione economica
Spesa familiare VS soddisfazione situazione economica
Spesa familiare (v.relativi) Soddisfazione situazione economica (v. relativi)
'
2
1.5
1
.5
0
97 98 99 00 01 02 03 04 05 06 07 08 09 10 97 98 99 00 01 02 03 04 05 06 07 08 09 10
[Valori relativizzati al valore medio annuo nazionale]
ANOVA: significatività delle differenze tra le medie per ripartizione geografica al 99%
13. 3. Una prima applicazione a livello regionale
3. 2 Focus sulla dimensione economica
Indicatori selezionati
X1 = PIL pro-capite (in Euro)
X2 = Variazione del PIL pro-capite (rispetto all’anno precedente)
X10 = Famiglie che possiedono: più di un auto (%)
Indicatori oggettivi X18 = Incidenza di povertà relativa per le famiglie (% su totale famiglie)
X19 = Spesa media mensile familiare (in Euro)
X25 = Persone di 14 anni e più che si dichiarano molto soddisfatte della
situazione economica (%)
X26 = Persone di 14 anni e più che si dichiarano abbastanza soddisfatte della
situazione economica (%)
X27 = Persone di 14 anni e più che si dichiarano poco soddisfatte della
situazione economica (%)
X28 = Persone di 14 anni e più che si dichiarano per niente soddisfatte della
situazione economica (%)
X29 = Giudizio delle famiglie sulle risorse economiche disponibili: ottime o
adeguate (%)
Indicatori soggettivi X30 = Giudizio delle famiglie sulle risorse economiche disponibili: scarse (%)
X31 = Giudizio delle famiglie sulle risorse economiche disponibili: insufficienti
(%)
X32 = Giudizio delle famiglie sul cambiamento della situazione economica
rispetto all’anno precedente: molto e un po’ migliorata (%)
X33 = Giudizio delle famiglie sul cambiamento della situazione economica
rispetto all’anno precedente: invariata (%)
X34 = Giudizio delle famiglie sul cambiamento della situazione economica
rispetto all’anno precedente: molto e un po’ peggiorata (%)
15. ►Valori relativi della soddisfazione sulla situazione economica: risorse disponibili ottime o adeguate (%)
2002
1997
2007 2010
16. 3. Una prima applicazione a livello regionale
3. 2 Focus sulla dimensione economica
Indice di autocorrelazione globale I di Moran
Giudizio
risorse
Spesa media mensile Pseudo economiche Pseudo
ANNO
familiare Sign. disponibili: Sign.
ottime o
adeguate
1997 0.6089 0.005 -0.1189 0.355
1998 0.6802 0.004 0.3732 0.012
1999 0.6048 0.004 -0.1646 0.194
2000 0.6885 0.002 0.3342 0.030
2001 0.7386 0.009 0.0279 0.290
2002 0.6998 0.002 0.3154 0.015
2003 0.7086 0.001 0.105 0.178
2004 0.8558 0.002 -- --
2005 0.6759 0.003 0.4814 0.003
2006 0.6948 0.000 0.3802 0.009
2007 0.6598 0.000 0.4761 0.003
2008 0.8058 0.004 0.1888 0.082
2009 0.691 0.002 0.0459 0.271
2010 0.7432 0.000 0.2713 0.069
Matrice di contiguità: rook contiguity
n ( )(
wij xi − x x j − x )
I= ∑∑
( )
2
S0 i j xi − x
17. 3. Una prima applicazione a livello regionale
3. 2 Focus sulla dimensione economica
Giudizio
risorse
economich Pseud
Spesa media mensile Pseudo
ANNO e o
familiare Sign.
disponibili: Sign.
ottime o
adeguate
1997 0.1693 0.034 -0.0077 0.658
1998 0.1288 0.082 0.1208 0.066
1999 0.0525 0.180 -0.0747 0.474
2000 0.0631 0.138 0.1403 0.050
2001 0.1085 0.101 0.1679 0.090
2002 0.1167 0.066 -0.0453 0.566
2003 0.1000 0.094 0.1278 0.066
2004 0.1065 0.002 -- --
2005 0.0573 0.160 -0.0673 0.486
2006 0.1336 0.076 0.1891 0.036
2007 0.1112 0.106 0.1822 0.032
2008 0.1101 0.090 0.1495 0.040
2009 0.1131 0.094 0.0719 0.171
2010 0.0560 0.150 0.0226 0.198
Matrice di contiguità: distance contiguity
18. 3. Una prima applicazione a livello regionale
3. 2 Focus sulla dimensione economica -
Spesa per consumo PIL
Indice
Indice ANNO 2007 di
di
Moran 0.1112 0.106 Moran 0.6367 0.002
Indice di autocorrelazione locale
Matrice di contiguità: distance contiguity
19. 3. Una prima applicazione a livello regionale
3. 2 Focus sulla dimensione economica
►Valori relativi della soddisfazione sulla situazione economica: risorse disponibili ottime o adeguate (%)
Autocorrelazione Locale (LISA)
1997 zi n
2003
Ii = × zi dove zi = ∑ wi , j z j
° °
∑
i
zi2 j =1
2010
2008
20. 3. Una prima applicazione a livello regionale
3. 2 Focus sulla dimensione economica
►Verifica della riduzione o meno delle differenze territoriali (convergenza o
non convergenza) adottando l’approccio basato sulle matrici di transizione di
Markov
N I II III IV
I 37 75.68 24.32 -- --
Indicatore oggettivo:
II 102 11.76 72.55 15.69 --
III 113 -- 10.62 84.96 4.42 Spesa familiare
IV 8 -- -- 75.00 25.00
I classe: valore al di sotto del 80% del valore medio di ciascun anno
II classe: valore sotto la media (compreso tra 80% e la media)
III classe: valore sopra la media (compreso tra la media e il 120%)
IV classe: valore superiore al 120% della media
N I II III IV
I 80 38.75 20.00 17.50 23.75 Indicatore soggettivo:
II 46 32.61 30.43 15.22 21.74
Giudizio risorse
III 35 31.43 22.86 11.43 34.29 Economiche:
IV 79 27.85 10.13 16.46 45.57 Ottime o adeguate
21. 4. Alcune considerazioni
► La strategia proposta consente di selezionare indicatori per ciascuna dimensione con elevata
capacità informativa utilizzabili per decisioni mirate di politica economica
► Le misure e le analisi di benessere dovrebbero essere condotte a livello locale proprio per
tenere in opportuna considerazione il diverso sviluppo economico, demografico e sociale
► L’informazione statistica pubblica dovrebbe essere disponibile a livello di sistema locale del
lavoro o almeno a livello provinciale (modelli di stima per piccole aree)
Implementazione della strategia di analisi
►per tutte le dimensioni del benessere
►a livello provinciale
►esame della distribuzione ergodica
►impiego di modelli econometrici spazio-temporali
22. GRAZIE PER L’ATTENZIONE!
biggeri@ds.unifi.it
laureti@unitus.it
l.secondi@uninettunouniversity.net
23.
24.
25. La dimensione economica
Incidenza della povertà VS giudizio sulle risorse disponibili
Anno 2002
Indicatore oggettivo: Indicatore soggettivo:
[suddivisione in quartili] [suddivisione in quartili]
Giudizio delle famiglie sulle risorse
Incidenza di povertà relativa per le famiglie economiche disponibili: insufficienti (%)
(% sul totale delle famiglie)
26. La dimensione ambientale
Raccolta differenziata Problemi: sporcizia nelle strade
Indicatore
Indicatore soggettivo:
2
oggettivo:
1.5
Raccolta Problemi
differenziata di incontrati
rifiuti urbani dalle famiglie
1
(% rispetto a nella zona di
totale rifiuti) residenza:
.5
sporcizia nelle
strade
0
01 02 03 04 05 06 07 08 01 02 03 04 05 06 07 08
27. La strategia di analisi proposta
Matrici spaziali di transizione di Markov
L’approccio basato sulle catene di Markov assume che, dati I stati di una determinata variabile, ogni regione (unità spaziale) ha
probabilità pi ( t ) di trovarsi nello stato i al tempo t ed una probabilità di transizione mij ( t ) , da calcolare, di essere allo stato j
al tempo t+1. L’interesse è proprio nella stima della matrice M contenente le probabilità di transizione mij:
m11 L m13
M = M mij M
m m33
31 L
L’esplicitazione di un semplice modello di Markov segue dall’assunzione che tutte le probabilità di transizione siano costanti nel
tempo mij ( t ) = mij , per ogni t. Ordinando queste probabilità di transizione in base agli stati I della variabile oggetto di studio si
ottiene la matrice M di dimensione I x I e, sulla base del vettore di probabilità si ottiene:
p ( t + 1) = p ( t ) M = p ( 0 ) M t
dove rappresenta il prodotto di t matrici M identiche. Una conseguenza importante dell’equazione [2] è l’esistenza di un vettore
riga s di dimensione 1 x I tale che:
s = sM
e che rappresenta il vettore di probabilità ergodico a cui ogni vettore riga della matrice Mt tende al tendere di t all’infinito.
28. ?
• Con riferimento agli indicatori soggettivi che prevedono diverse modalità di
risposta:
• si potrebbero descrivere in questa slide le diverse procedure adottate
per l’aggregazione di questi indicatori (procedure proposte da Giudici et al.;
Capursi, ecc…)
Costituiscono una soluzione per l’aggregazione di indicatori soggettivi MA In
questo caso quali sono le verifiche da fare dopo aver effettuato
l’aggregazione?
- Validità dell’informazione che emerge: quindi verifico nuovamente la
correlazione, posso comunque svolgere la ACP e la cluster (cluster
analysis) se l’aggregazione è corretta dovrei mantenere le stesse
relazioni
31. Fase 1.
-Una riduzione del numero di indicatori può avvenire anche attraverso la costruzione di
indicatori sintetici per quegli indicatori soggettivi che prevedono più modalità di risposta.
-Gli indicatori soggettivi riguardanti la soddisfazione in merito alla situazione
economica, il giudizio sulle risorse disponibili ed il giudizio delle famiglie sul
cambiamento della situazione economica composti ciascuno da più di due modalità
sono stati sintetizzati facendo ricorso all’indice QBI (Quantile Based Index) proposto da
Cerchiello et al. (2010):
Una volta costruiti gli indici è tuttavia necessario:
a) Verificare la correlazione con gli altri indicatori;
b) Replicare l’analisi fattoriale
32. L’entità della correlazione non muta rispetto all’analisi delle singole modalità. Tuttavia, se si prende a riferimento la spesa media
mensile familiare (X19) e gli indicatori relativi al giudizio sulle risorse economiche (X25, X26,X27,X28):
-Prima dell’aggregazione si aveva una correlazione positiva tra la spesa familiare e le persone che si dichiaravano molto o
abbastanza soddisfatte della situazione economica (X25 e X26), mentre una correlazione negativa con le persone che si
dichiaravano poco o per niente soddisfatte (X27 e X28). L’entità in valore assoluto della correlazione era compresa tra 0.70 e 0.80
-Dopo la costruzione dell’indicatore sintetico la correlazione con la spesa familiare è positiva e pari a 0.75
Dimensione economica - anno 2008
Giudizio cambiamento situazione
1
economica
g3
Soddisfazione verso la situazione
economica
g1
.5
Factor 2
x2
x1
x18 g2
x19
0
Giudizio risorse economiche
disponibili
x10
-.5
-1 -.5 0 .5 1
Factor 1
Rotation: orthogonal varimax
Method: principal-component factors
Occorre fare attenzione all’interpretazione degli indicatori sintetici
La strategia proposta si inserisce nel dibattito esistente a livello nazionale e internazionale seguendo l’approccio multidimensionale: impossibilità di misurare il benessere con un unico indicatore ma utilizzando un insieme di misure in relazione a diversi domini . [L’approccio multidisciplinare nell’analisi del benessere sta emergendo con sempre maggiore frequenza anche negli esercizi applicati di misurazione. Nel 2010, in occasione del ventesimo anniversario del Rapporto sullo Sviluppo Umano, l’UNDP ha deciso di rivedere l’Indice di Sviluppo Umano affiancandolo con nuove misure che includano anche gli aspetti distributivi dello sviluppo e con un indice multidimensionale di povertà. Più di recente, l’OCSE ha lanciato un indice disponibile per i 34 paesi membri, il Better Life Index9, che si basa su 11 dimensioni del benessere.] Il recente progetto per misurare il benessere equo e sostenibile – nato da un’iniziativa congiunta del Cnel e dell’Istat – si inquadra nel vivace dibattito internazionale sul cosiddetto “superamento del Pil”, stimolato dalla diffusa convinzione che i parametri sui quali valutare il progresso di una società non debbano essere solo di carattere economico, ma anche sociale e ambientale, corredati da misure di diseguaglianza e sostenibilità. Nel processo di definizione dei domini è stato dato molto peso al pensiero dei cittadini. l’Istat (unico caso a livello internazionale) ha realizzato, a febbraio 2011, la prima rilevazione statistica sull’importanza delle dimensioni del benessere su un campione di 45 mila persone dai 14 anni in poi, rappresentativo della popolazione residente in Italia (i cui risultati sono disponibili tra i materiali in appendice). coinvolgimento dei cittadini su questi aspetti: elevato coinvolgimento, c’è dietro l’importanza di selezionare indicatori che siano condivise non solo dall’ambito istituzionale ma anche direttamente comprensibili dai cittadini. Nel Regno Unito l’Office for National Statistics (ONS) ha lanciato, su richiesta del Primo Ministro Cameron, il programma “Measuring National Well-being”, che si chiuderà nel 2012 il cui obiettivo è quello di pubblicare "un set di indicatori condiviso e affidabile a cui i cittadini possano rivolgersi per capire e monitorare il benessere nazionale
Parlare del problema della moltitudine di indicatori Gli indicatori oggettivi, che sono legati sia ad aspetti micro e macro-economici ed indicatori soggettivi che, invece, emergono dalle opinioni dei cittadini e che quindi fanno riferimento ad un ambito micro-economico.
Al fine di determinare quante e quali dimensioni siano latenti negli indicatori della dimensione economica abbiamo applicato l’analisi fattoriale. La soluzione che considera le prime due componenti principali consente di spiegare, in tutti gli anni considerati, circa il 70% della variabilità riflettendo la dimensione oggettiva e soggettiva della situazione economica. si applica l’analisi fattoriale
Per la spesa familiare si nota nel tempo una distribuzione più asimmetrica che si addensa verso valori bassi della distribuzione (e quindi valori più distanti dal valore nazionale. Maggiore variabilità si registra invece per il giudizio in merito alle risorse disponibili Nel confronto è importante anche considerare due indicatori che si muovono nella stessa direzione. L’indicatore soggettivo presenta una variabilità spaziale più elevata e sembra più sensibile alla congiuntura. Anche l’analisi della varianza condotta per ripartizioni geografiche conduce a considerare significative le differenze che emergono per ripartizione geografica.
Parlare del problema della moltitudine di indicatori
Abbiamo poi concentrato l’analisi su indicatori per i quali è stato possibile, seppure a livello regionale, estendere la serie storica. (proprio per rifarci ad uno dei criteri fissati…). Presentiamo qui i risultati delle analisi per la spesa per consumo e il giudizio sulle risorse economiche disponibili. Si nota per quanto riguarda la spesa per consumo un progressivo aumento della disparità tra regione con una tendenza negli ultimi anni analizzati ad un aumento di valori più lontani dal valore medio nazionale.
Una maggiore eterogeneità si registra invece per l’indicatore soggettivo che considera la percentuale di persone che sono soddisfatte per le risorse economiche disponibili.
L’interazione spaziale tra fenomeni economici introduce la necessità di valutare l’esistenza di autocorrelazione spaziale. L’esistenza di dipendenza spaziale tra unità territoriali è stata inizialmente testata attraverso la misura di autocorrelazione globale proposta da Moran che evidenzia una autocorrelazione non molto elevata. Questo risultato oltre che del livello globale di analisi, che rappresenta uno dei limiti di una misura di autocorrelazione globale, potrebbe risentire in questo stadio del lavoro anche del livello di aggregazione a cui sono condotte le analisi, rappresentato dal livello regionale che quindi potrebbe far emergere effetti di compensazione tra realtà territoriali diverse all’interno di una stessa regione. Positive values of Moran’s IM suggest spatial cluster of similar values. Negative values suggest that high values are frequently found in the vicinity of low values. The IM statistics is similar to the correlation coefficient, however, the maximum and minimum possible value of Moran’s I are not constrained to lie in the (-1, 1) range (For more details see Cliff and Ord).
Una analisi più approfondita è stata condotta attraverso l’introduzione di un indice di autocorrelazione locale che consente di individuare l’esistenza di cluster or hot spots nonché l’esistenza di localizzazioni atipiche (spatial clusters). L’indice di Moran di autocorrelazione locale permette di porre la localizzazione di una determinata osservazione da uno spazio assoluto ad uno spazio relativo che considera non solo quindi la localizzazione di una determinata unità ma anche quella dei vicini nella stessa distribuzione. L’introduzione di questo indice di autocorrelazione locale è estremamente utile poiché può essere utilizzato per valutare l’influenza di una singola unità (di una determinata localizzazione) sulla magnitudine dell’indice di autocorrelazione globale e, al tempo stesso, per identificare degli outliers. In questo senso ad esempio si evidenza la presenza di gruppi di unità rappresentati dalle regioni del Sud Italia caratterizzate da regioni «vicine» aventi significativi valori bassi della soddisfazione circa le risorse econonomiche disponibili. Vengono invece giudicate ottime o adeguate le risorse nelle regioni del Nord nell’ano 2008, che però divengoo outlier, ossia regioni con valori bassi della soddisfazione circondate da regioni con valori più elevati di soddisfazione. LISA (Local Indicator of Spatial Association): valori della variabile X29 (matrice dei pesi usata: distanze con la distanza minima data dal programma (file: pesi thresold distance) E’ uno strumento importante per identificare localizzazioni “interessanti” e valutare fino a che punto la distribuzione spaziale presenta “eterogeneità spaziale”. Rappresentano clusters unità tra loro contigue che presentano valori entrambi alti o entrambi bassi circa il giudizio sulle risorse economiche. E’ il caso ad esempio delle regioni del Sud nel 2003 e delle regioni del Nord nel 2008. Si tratta di outliers invece del Molise nell’anno 2008 in cui si registrano valori elevati vicino a regioni che invece registrano valori bassi.
Abbiamo inoltre effettuato la verifica della riduzione o meno delle differenze territoriali utilizzando l’approccio delle catene di Markov che assume che dati k stati di una variabile ogni regione (unità spaziale) ha probabilità p(t) di trovarsi nello stato i al tempo t ed una probabilità di transizione, da calcolare. Il calcolo della matrice per i due indicatori di benessere, effettuato considerando 4 classi o stati, ha evidenziato che non risulta esservi stata convergenza. Tuttavia le probabilità che le regioni rimangano nella stessa classe in cui si trovavano all’inizio del periodo sono abbastanza elevate per la spesa (tra il 73 e l’85%) e molto più basse per l’indicatore soggettivo (tra il 12 e il 38%), ma al tempo stesso si registrano molte transizioni verso le classi superiori e anche di più verso le classi inferiori.
Let O be an ordinal variable with J categories c1 < c2 < :: < cj which associated frequencies are n1; n2; ::; nj . Thus we refer to: (ci, ni); i = 1,.,J as the distribution function of a random variable O. The new proposed index, named Quantile Based Index, is formulated as follows…. where J is the number of points of the Likert scale, F(:) is the cumulative distribution function and ΣJ j=1 qj is the sum of the J numeric codes assigned to the predefined quantiles (SC).