Introduzione statistica territoriale - Scienze Economiche e Statistiche ...
Introduzione statistica territoriale - Scienze Economiche e Statistiche ...
Introduzione statistica territoriale - Scienze Economiche e Statistiche ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Facoltà di Economia - Università degli Studi di Udine<br />
Statistica Economica:<br />
l’analisi delle serie spaziali e territoriali<br />
Lucidi delle lezioni<br />
per il corso di laurea triennale<br />
Gian Pietro Zaccomer<br />
Dipartimento di <strong>Scienze</strong> <strong>Statistiche</strong><br />
Via Treppo 18<br />
1
Le serie statistiche<br />
I dati, anche quelli spaziali, sono generalmente forniti in forma di<br />
serie. Non sempre l’ordine delle unità statistiche ha una qualche<br />
rilevanza. Ci sono casi invece in cui l’ordine ha una certa importanza<br />
come nel caso delle:<br />
• serie storiche: sono le più conosciute dove l’ordine utilizzato è<br />
quello temporale;<br />
• serie spaziali e territoriali: l’ordine delle unità territoriali non è<br />
univoco ma va specificato dal ricercatore (così come sarà evidenziato).<br />
• serie spazio-temporali: spesso si incontrano serie che presentano<br />
entrambi gli ordinamenti.<br />
2
Le serie storiche<br />
Se l’ordine considerato è quello temporale, la serie è definita<br />
storica. Il legame tra variabile e tempo è fittizio: si può usare una<br />
semplice numerazione per la variabile Tempo ma è fondamentale<br />
che le rilevazioni siano fatte sempre ad intervalli temporali costanti.<br />
anni trend ciclo errore serie<br />
1971 10.80 1.05 0.77 11.61<br />
1972 11.60 1.11 0.18 11.80<br />
1973 12.40 1.16 -0.60 11.70<br />
1974 13.20 1.22 -0.52 12.57<br />
1975 14.00 1.28 0.72 14.92<br />
1976 14.80 1.35 -0.66 13.90<br />
1977 15.60 1.42 -0.86 14.38<br />
1978 16.40 1.49 -0.05 16.33<br />
1979 17.20 1.57 0.25 17.60<br />
1980 18.00 1.65 -0.09 17.85<br />
1981 18.80 1.73 -0.09 18.64<br />
1982 19.60 1.82 0.09 19.76<br />
1983 20.40 1.92 0.85 22.03<br />
1984 21.20 2.01 0.17 21.55<br />
1985 22.00 2.12 -0.20 21.59<br />
1986 22.80 2.23 -0.22 22.30<br />
1987 23.60 2.34 -0.74 21.86<br />
1988 24.40 2.46 -0.36 23.52<br />
1989 25.20 2.59 -0.01 25.17<br />
35.00<br />
30.00<br />
25.00<br />
20.00<br />
15.00<br />
10.00<br />
1971<br />
1973<br />
1975<br />
1977<br />
1979<br />
1981<br />
Fatturato annuo<br />
1983<br />
1985<br />
1987<br />
1989<br />
1991<br />
1993<br />
1995<br />
1997<br />
1999<br />
2001<br />
3
INDICE NAZIONALE DEI PREZZI AL CONSUMO PER LE<br />
FAMIGLIE DI OPERAI E IMPIEGATI (1961=100)<br />
ANNO GEN FEB MAR APR MAG GIU LUG AGO SET OTT NOV DIC MEDIA<br />
1947 51.68 52.78 54.29 59.15 62.06 66.1 68.23 71.98 75.7 75.49 72.2 69.99 64.97<br />
1948 68.76 68.03 69.85 70.11 69.21 68.66 65.34 68.05 69.72 68.7 69.16 69.82 68.79<br />
1949 70.79 70.41 70.72 71.74 71.67 70.86 68.89 69.72 69.38 67.85 68.02 67.5 69.8<br />
1950 67.24 67.41 66.49 67.48 67.59 68.49 68.5 69.71 71.1 70.24 70.96 71.13 68.86<br />
1951 72.14 73.43 73.83 75.5 75.59 76.6 76.57 76.3 76.27 76.48 76.95 76.91 75.55<br />
1952 76.67 77.52 77.75 78.12 78.42 78.94 79.13 79.17 79.74 79.89 79.99 79.69 78.76<br />
1953 79.57 79.72 79.71 80.49 80.97 81.2 79.99 79.76 80.12 80.43 80.82 80.63 80.29<br />
1954 80.74 81.08 80.84 81.35 82.39 83.07 83.37 83.29 83.17 83.03 83.41 83.53 82.45<br />
1955 83.5 83.31 83.5 84.19 84.96 85.53 85.22 85.36 85.1 85.08 85.44 86.01 84.76<br />
1956 86.61 87.77 88.81 89.35 89.82 89.45 89.25 89.29 89.53 89.04 89.14 89.62 88.98<br />
1957 90.5 89.96 89.52 89.46 89.78 89.96 90.51 90.59 91.01 91.75 92.4 92.93 90.7<br />
1958 93.87 93.48 93.61 95.09 96.08 96.73 96.49 96.05 95.74 94.82 94.48 94.01 95.04<br />
1959 94.38 94.11 93.85 94.02 94.28 94.26 94.15 94.29 94.75 95.38 95.98 96.28 94.65<br />
1960 97.05 96.66 96.31 96.48 96.89 97.27 97.53 97.37 97.29 97.32 97.77 98.03 97.16<br />
1961 98.81 98.86 98.92 99.52 99.87 100.03 99.91 100.1 100.4 100.55 101.31 101.78 100<br />
1962 102.7 102.8 103.4 104.7 104.7 105.2 105.6 105.4 105.9 106.3 106.7 107.8 105.1<br />
1963 109.6 111.6 112.1 112.7 112.7 112.7 112.6 112.8 113.9 115 115 115.7 113<br />
1964 116.8 117.1 117.6 118.1 118.6 119.7 120.4 120.6 121.1 121.8 122.3 122.8 119.7<br />
1965 123.4 123.6 123.9 124.2 124.6 124.9 125.3 125.4 125.6 125.7 125.8 126.3 124.9<br />
1966 126.7 126.7 126.8 127.2 127.5 127.4 127.5 127.4 127.4 127.8 128.2 128.6 127.4<br />
Fonte: ISTAT<br />
4
Le serie territoriali<br />
n° Provincia PIL pc 97<br />
1 Milano 49'618<br />
2 Bologna 49'362<br />
3 Trieste 44'031<br />
4 Modena 43'491<br />
5 Treviso 41'238<br />
6 Bolzano 41'167<br />
7 Firenze 41'084<br />
8 Parma 40'962<br />
9 La Spezia 40'521<br />
10 Biella 40'413<br />
11 Aosta 40'360<br />
12 Vicenza 40'304<br />
13 Reggio Emilia 39'810<br />
14 Verona 39'094<br />
15 Prato 38'913<br />
16 Padova 38'784<br />
17 Roma 38'528<br />
18 Genova 38'489<br />
19 Torino 38'310<br />
Fonte: Tagliacarne<br />
-<br />
-<br />
- -<br />
-<br />
- --<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
- -<br />
-<br />
-<br />
-<br />
- -<br />
-<br />
-<br />
--<br />
- -<br />
- -<br />
- -<br />
--<br />
- - -<br />
- -<br />
-<br />
-<br />
-<br />
-<br />
-<br />
- - -<br />
- -<br />
- -<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
- - -<br />
- -<br />
- -<br />
-<br />
Si noti l’ordinamento utilizzato: non è quello lessicografico.<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
Province italiane<br />
da Colonna C<br />
-<br />
-<br />
42'900 a 49'700 (4)<br />
36'300 a 42'900 (21)<br />
29'700 a 36'300 (32)<br />
23'100 a 29'700 (21)<br />
16'500 a 23'100 (25)<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
5
Le serie spazio-temporali<br />
PIL procapite regionale (migliaia di lire correnti)<br />
Regioni 1996 1997 1998 1999<br />
Piemonte 38.571 40.292 41.799 43.456<br />
Valle d'Aosta 45.992 46.320 47.110 48.304<br />
Lombardia 43.928 45.510 47.440 48.288<br />
Trentino-Alto Adige 44.880 45.699 48.101 48.609<br />
Veneto 39.158 40.813 42.473 43.482<br />
Friuli-Venezia Giulia 38.031 39.221 40.395 41.757<br />
Liguria 35.028 36.824 38.682 39.691<br />
Emilia-Romagna 42.601 44.118 46.122 47.477<br />
Toscana 36.293 37.783 39.516 40.919<br />
Umbria 31.804 33.386 34.511 35.936<br />
Marche 33.761 35.214 36.335 37.954<br />
Lazio 36.373 37.859 39.697 41.188<br />
Abruzzo 28.445 29.411 30.245 31.006<br />
Molise 25.797 27.784 28.104 29.054<br />
Campania 20.801 22.138 23.240 24.053<br />
Puglia 21.776 22.359 23.527 24.626<br />
Basilicata 22.917 24.190 25.349 26.613<br />
Calabria 19.754 21.025 21.954 22.906<br />
Sicilia 21.543 22.690 23.785 24.543<br />
Sardegna 24.431 26.016 27.365 28.695<br />
Italia 33.143 34.552 36.073 37.209<br />
Fonte: ISTAT<br />
6
La natura spaziale/<strong>territoriale</strong> dei dati<br />
È possibile affermare che la gran parte dei dati ha sempre,<br />
all’origine, un riferimento spaziale/<strong>territoriale</strong> ossia “dove” il<br />
dato è stato misurato o rilevato. Si pensi ad una misurazione di<br />
temperatura o di una distanza fisica, alla rilevazione dell’età di<br />
una persona o del fatturato di un’impresa. Non sempre però la<br />
variabile spaziale ha interesse per l’analisi oppure, durante<br />
l’elaborazione dei microdati, la connotazione viene parzialmente<br />
o totalmente persa; se però la natura spaziale ha un interesse<br />
fondamentale si entra in un ambito specifico della <strong>statistica</strong>.<br />
7
Le caratteristiche dei dati spaziali/territoriali<br />
I dati spaziali/territoriali hanno delle caratteristiche ben<br />
diverse da quelli che non considerano esplicitamente tale<br />
aspetto. Queste sono riconducibili ad alcune osservazioni<br />
di massima:<br />
1. i dati spaziali sono dipendenti tra di loro;<br />
2. la dipendenza dei dati è multidirezionale;<br />
3. le unità spaziali (celle) sono costruite dal ricercatore /<br />
le unità territoriali sono scelte dal ricercatore.<br />
8
La <strong>statistica</strong> spaziale/<strong>territoriale</strong><br />
La <strong>statistica</strong> spaziale/<strong>territoriale</strong> è vista come quell’insieme<br />
di tecniche statistiche che trattano i dati tenendo conto<br />
esplicitamente della loro natura spaziale, ossia della posizione<br />
in cui questi si sono manifestati nello spazio.<br />
Proprio perché si tratta di un insieme di tecniche, non si tratta<br />
di una materia consolidata ma presenta ancora anime diverse,<br />
in base alla disciplina scientifica di appartenenza degli studiosi<br />
che hanno presentato tecniche ad hoc per specifici problemi.<br />
Questa situazione emerge molto bene dal libro di Zani (1993).<br />
9
Gli ambiti della <strong>statistica</strong> spaziale/<strong>territoriale</strong><br />
Alcune delle materie che più hanno contribuito allo sviluppo<br />
della <strong>statistica</strong> spaziale sono (in ordine alfabetico):<br />
• biologia (ad es. studio delle popolazioni biologiche)<br />
• economia e econometria (ad es. lavoro, marketing <strong>territoriale</strong>)<br />
• geografia (problemi legati alla cartografia e telerilevamento)<br />
• medicina (in particolare l’epidemiologia)<br />
• matematica e geometria<br />
• pianificazione <strong>territoriale</strong> (gestione del territorio)<br />
• <strong>statistica</strong> (descrittiva, inferenza, applicata)<br />
10
La differenza tra <strong>statistica</strong> spaziale e quella <strong>territoriale</strong><br />
Generalmente i termini “spaziale” e “<strong>territoriale</strong>” sono usati nel<br />
linguaggio corrente come sinonimi, ai fini statistici Zani (1993)<br />
propone di chiamare:<br />
• analisi spaziale (in senso stretto) quelle che si “basano su<br />
griglie [costituite da celle regolari o meno, ndr] ovvero fanno<br />
riferimento alla distribuzione dei punti su una superficie”;<br />
• analisi <strong>territoriale</strong> quelle relative a dati relativi alle<br />
suddivisioni amministrative (regioni, province, ecc.) che sono<br />
generalmente precostituire da unità territoriali irregolari.<br />
11
Gli obiettivi della <strong>statistica</strong> spaziale<br />
In via del tutto generale, la <strong>statistica</strong> spaziale fornisce dei<br />
metodi e delle tecniche che permettono di studiare la presenza<br />
di fenomeni, di diversa natura compresi quelli socio-<br />
economici, su un determinato spazio; ad es. le precipitazioni in<br />
un’area montana, il reddito regionale ecc.<br />
I fenomeni possono essere studiati attraverso gli elementi base<br />
che costituiscono il territorio (punti, linee, superfici), ma va<br />
sempre tenuto in considerazione che questo modo di operare<br />
comporta delle specificità di analisi.<br />
12
La realizzazione dei fenomeni<br />
Sostanzialmente i fenomeni possono manifestarsi sul territorio<br />
in due modi diversi:<br />
• fenomeni diffusivi che si manifestano in modo continuo sul<br />
territorio ma con differente intensità, ad es. la temperatura;<br />
• fenomeni dispersivi che si manifestano in parti ben<br />
circoscritte del territorio, come ad es. la presenza di fabbricati.<br />
Si tratta di una classificazione, spesso non univoca perché<br />
dipende dal punto di vista del ricercatore (es. onde radio), fatta<br />
in base al fenomeno e non rispetto al territorio.<br />
13
Esempi di fenomeni diffusivi e dispersivi<br />
Fenomeno diffusivo Fenomeno dispersivo<br />
14
Le griglie regolari<br />
Un territorio può essere studiato utilizzando una griglia, di<br />
solito regolare ma non necessariamente. La scelta delle<br />
caratteristiche del reticolo dipende dal ricercatore, il quale deve<br />
risolvere alcuni problemi fondamentali inerenti alla:<br />
• forma delle celle;<br />
• dimensione delle celle;<br />
• collocazione delle celle (es. baricentro).<br />
Le scelte delle caratteristiche della griglia influiscono<br />
direttamente sui risultati.<br />
15
La forma delle celle regolari<br />
Cella quadrata circolare esagonale<br />
16
Le griglie irregolari<br />
Esiste anche la possibilità di utilizzare una griglia di celle<br />
irregolari. Questa soluzione si presenta quando da un insieme<br />
di punti distribuiti su territorio, si<br />
voglia costruire un reticolo che<br />
utilizzi tali punti come spigoli o<br />
baricentri. Per fare questo, esistono<br />
delle tecniche, ormai informatizzate,<br />
dette di triangolarizzazione (es.<br />
diagramma di Veronoi).<br />
17
Le partizioni amministrative irregolari<br />
È il tipico caso che si incontra nelle analisi territoriali,<br />
generalmente partizioni amministrative del territorio. Il<br />
ricercatore può solo scegliere il livello di scala su cui studiare<br />
il fenomeno (Regione, Provincia, ecc.). In realtà una tale<br />
affermazione è sempre subordinata all’esistenza di Fonti<br />
Ufficiali che forniscano i dati al livello desiderato (questo è un<br />
problema fortemente limitante). Per quanto riguarda il<br />
problema della collocazione, viene generalmente scelto in via<br />
convenzionale il Capoluogo (di Regione, di Provincia, ecc.).<br />
18
L’altimetria della provincia di Pordenone (fasce ISTAT)<br />
19
Il problema dell’unità areale modificabile<br />
È il livello di scala scelto che introduce la soggettività:<br />
• rispetto ad una sola variabile, aumentando il livello si ottiene<br />
una variabilità più bassa in quanto la varianza fra gruppi è<br />
inferiore o uguale a quella totale (scomposizione della<br />
varianza);<br />
• rispetto alla correlazione tra due variabili, si dimostra che<br />
questa è altamente sensibile al livello di aggregazione scelto:<br />
variando opportunamente le unità spaziali si ottengono valori<br />
diversi (“our results depend on our units”, Openshaw, 1987).<br />
20
Gli indicatori territoriali<br />
Uno dei principali problemi dell’analisi <strong>territoriale</strong> è quello di<br />
trovare delle opportune misure statistiche capaci di sintetizzare<br />
il fenomeno studiato con l’opportuno dettaglio <strong>territoriale</strong>.<br />
Generalmente tali misure prendono il nome di indicatori<br />
territoriali. Tali indicatori vengono poi spesso utilizzati per<br />
confrontare le diverse realtà territoriali sia a livello nazionale<br />
(confronto tra Regioni, Province, ecc.), sia a quello<br />
internazionale (confronto tra diversi Paesi).<br />
21
Il fenomeno indicato e il fenomeno indicatore<br />
Lo studio nello spazio riguarda sempre fenomeni, ma non tutti i<br />
fenomeni sono direttamente misurabili (ad es. non esiste una<br />
definizione puntuale; misurazione non possibile o distruttiva).<br />
In questo caso, al posto del fenomeno indicato, si usa un<br />
fenomeno indicatore, correlato con il primo e più facilmente<br />
misurabile (es. inquinamento di un territorio). La natura dei<br />
fenomeni (fisici, sociali, economici, ecc.) e della loro relazione<br />
(rapporto di causa-effetto, di coesistenza, ecc.) caratterizza le<br />
peculiarità degli indicatori.<br />
22
Gli indicatori e gli indici<br />
I termini indicatori ed indici sono spesso utilizzati, anche nella<br />
letteratura socio-economica, come sinonimi. In realtà qualsiasi<br />
misura, anche assoluta o logica, può essere utilizzata come<br />
indicatore (es. lampadina e tensione elettrica). Sono definiti<br />
indici quei rapporti statistici adimensionali che godono di<br />
particolari proprietà matematiche. L’indice più elementare è un<br />
rapporto statistico di composizione (varia tra 0 e 1): gli indici<br />
possono essere utilizzati come indicatori ma non viceversa così<br />
come avviene per lo strumentino del serbatoio della benzina.<br />
23
Gli indicatori per l’analisi <strong>territoriale</strong> economica<br />
Per dare un esempio concreto di indicatori utilizzabili nelle analisi<br />
economiche, si propongono alcune semplici misure per il problema<br />
dell’occupazione settoriale. La tematica del lavoro è un problema<br />
socio-economico molto discusso: ai fini della programmazione delle<br />
politiche è spesso necessario capire, per singola area<br />
amministrativa, come i lavoratori si concentrano nei diversi settori<br />
di attività economica. Per quanto riguarda le unità di lavoro, al<br />
semplice numero degli addetti, è preferibile il concetto di unità di<br />
lavoro equivalente a tempo pieno (ULA) a causa dei problemi di<br />
doppio lavoro, lavoro parziale, ecc.<br />
24
Il quoziente di localizzazione Q<br />
Considerate le unità di lavoro Lij nel settore di attività<br />
economico i nell’Ut j, il quoziente di localizzazione si calcola<br />
come:<br />
Q<br />
ij<br />
=<br />
L ∑ ij L<br />
i ij<br />
∑ ∑∑<br />
L L<br />
j ij j i ij<br />
dove al numeratore c’e’ l’indice settoriale della j-esima Ut<br />
(regione) e al denominatore lo stesso, ma a livello <strong>territoriale</strong><br />
più elevato (nazione). È quindi una misura relativa dei sistemi<br />
economici locali (se Qij >1 esiste una specializzazione).<br />
25
L’indice di specializzazione S<br />
Q non presenta nessuna forma di normalizzazione ed è riferito<br />
ad un solo settore di attività economica. È possibile utilizzare<br />
una sintesi dei Q di una j-esima Ut, tale sintesi prende il nome<br />
di indice di specializzazione (si osservino i termini della diff.):<br />
1 L L<br />
ij j ij<br />
= −<br />
2 L L<br />
∑<br />
j i<br />
questo varia tra zero se la composizione regionale è<br />
perfettamente identica a quella nazionale e si avvicina all’unità<br />
nel caso di massima dissimilarità.<br />
S<br />
∑ ∑ ∑∑<br />
i ij j i ij<br />
26
Quozienti di localizzazione e indici di specializzazione<br />
Regione<br />
Q localizzazione:<br />
energia gas e<br />
acqua<br />
Q localizzazione:<br />
industrie estrat.<br />
manif. e chim.<br />
Q localizzazione:<br />
industrie lav.<br />
trasf . metalli<br />
Q localizzazione:<br />
industrie manif.<br />
non metallifere<br />
Q localizzazione:<br />
costruzioni e<br />
impianti<br />
S Indice di<br />
specializzazione<br />
1971 1981 1971 1981 1971 1981 1971 1981 1971 1981 1971 1981<br />
Piemonte 74,3 79,6 71,1 64,7 158,1 151,8 85,7 86,0 61,9 65,5 22,2 20,4<br />
Valle d'Aosta 242,5 235,3 351,3 336,3 24,9 20,3 28,2 47,5 157,0 165,9 56,5 51,4<br />
Lombardia 63,2 70,6 98,6 99,7 123,3 122,5 99,8 98,3 65,7 67,4 16,4 16,2<br />
Trentino-Alto Adige 153,2 110,4 105,2 100,7 75,3 72,7 83,2 85,2 174,5 181,9 23,9 24,4<br />
Veneto 85,3 77,5 87,1 81,9 79,8 83,8 118,0 122,1 106,1 97,6 13,2 11,7<br />
Friuli-Venezia Giulia 76,6 81,3 74,8 74,0 107,7 99,1 95,0 88,0 127,7 151,6 21,3 22,8<br />
Liguria 198,3 220,4 149,4 134,0 113,1 130,0 55,3 50,2 125,4 110,2 25,7 23,3<br />
Emilia-Romagna 75,9 68,9 98,2 103,5 99,5 109,4 95,9 90,7 118,2 106,4 16,7 15,5<br />
Toscana 85,6 78,9 115,8 111,0 55,1 59,1 129,3 138,6 94,7 84,2 20,1 22,2<br />
Umbria 99,7 84,8 164,4 161,3 48,5 57,0 101,4 110,5 130,5 113,1 20,8 18,3<br />
Marche 80,6 65,1 53,7 45,5 52,2 52,2 142,3 156,3 127,3 108,6 28,9 29,4<br />
Lazio 187,0 177,2 102,4 110,9 72,4 88,0 99,1 92,2 134,3 118,3 21,4 21,3<br />
Abruzzo - Molise 121,7 103,5 106,5 98,6 42,8 66,6 97,5 99,4 202,7 163,9 32,6 23,7<br />
Campania 136,1 129,1 114,3 98,8 89,6 99,5 103,6 97,5 89,0 102,4 18,6 18,8<br />
Puglia 124,4 111,4 129,9 149,9 51,2 64,5 100,8 95,7 155,3 136,3 23,6 20,0<br />
Basilicata 145,8 170,6 121,8 131,7 40,2 42,9 72,3 57,2 254,1 266,9 36,5 39,8<br />
Calabria 192,6 205,2 104,5 114,9 32,0 34,6 95,7 79,4 215,7 238,6 34,8 37,8<br />
Sicilia 270,9 294,8 122,9 128,7 61,9 66,9 86,9 75,1 149,5 162,3 27,3 25,8<br />
Sardegna 279,3 247,8 151,3 201,5 31,2 40,2 73,6 62,4 212,5 194,1 35,8 35,3<br />
Fonte: Guarini Tassinari (2000) – dati in %<br />
27
L’analisi shift-share classica (I): livelli e tassi<br />
Si basa su una semplice scomposizione deterministica del tasso di<br />
variazione. Non è quindi un modello statistico in senso stretto.<br />
Variabili i-esimo sett.<br />
j-esima u.t.<br />
Locale (u.t.) Nazionale<br />
j-esima u.t.<br />
i-esimo<br />
settore<br />
globale<br />
Liv. assoluti Lij Lj = ΣiLij Li = ΣjLij L = ΣiΣjLij<br />
Liv. relativo ∆Lij ∆Lj = Σi∆Lij ∆Li = Σj∆Lij ∆L = ΣiΣj∆Lij<br />
Tasso di var. gij= ∆Lij / Lij gj= ∆Lj / Lj gi= ∆Li / Li g= ∆L / L<br />
28
L’analisi shift-share classica (II): la scomposizione<br />
Consideriamo ora la seguente scomposizione del livello relativo riferito<br />
ad una specifica unità <strong>territoriale</strong> (u.t.) sommando e sottraendo g e gi.<br />
∆Lij = gij Lij = [ g + (gi - g) + (gij - gi) ] Lij = gLij + (gi - g)Lij + (gij - gi)Lij<br />
Passando alla sommatoria rispetto al settore di attività economica e poi<br />
dividendo per Lj:<br />
Σi∆Lij = ∆Lj = gΣiLij + Σi(gi - g)Lij + Σi(gij - gi)Lij = gLj + Σi(gi - g)Lij + Σi(gij - gi)Lij<br />
∆Lj / Lj = gj = [ g ] + [ Σi(gi - g)Lij/Lj ] + [ Σi(gij - gi)Lij/Lj ]<br />
29
L’analisi shift-share classica (III): le componenti<br />
Si ottiene quindi la scomposizione cercata:<br />
gj = [componente nazionale] + [comp. strutturale] + [comp. locale]<br />
Componente nazionale: è la parte di variazione relativa imputabile<br />
all’andamento nazionale della variabile studiata (in questo caso il lavoro).<br />
Componente strutturale: è la parte di variazione relativa imputabile al<br />
diverso mix strutturale presente nell’unità <strong>territoriale</strong>.<br />
Componente regionale o locale: è la parte di variazione relativa<br />
residuale imputata a tutte le altre peculiarità dell’economia locale.<br />
30
L’analisi shift-share classica (IV): i difetti<br />
I principali difetti sono:<br />
• la tecnica shift-share non tiene conto delle interazioni tra componenti;<br />
• le componenti strutturale e locale risentono del livello di scelto della<br />
classificazione dell’ATECO;<br />
• non si considerano i cambiamenti tecnologici delle strutture<br />
produttive;<br />
• si assume implicitamente che l’area di mercato di ogni settore sia<br />
quello nazionale;<br />
• non sono esplicitate le relazioni territoriali tra le diverse u.t.<br />
31
Analisi shift-share classica a livello regionale (1971-1981)<br />
Regioni<br />
Comp.<br />
nazionale<br />
Comp.<br />
strutturale<br />
Comp.<br />
locale<br />
Variazione<br />
(somma)<br />
Piemonte 15.6 -18.8 2.0 -1.2<br />
V. d’Aosta 15.6 -4.1 -6.5 5.0<br />
Lombardia 15.6 -12.4 0.3 3.5<br />
Veneto 15.6 12.6 -0.8 27.4<br />
FVG 15.6 -2.0 1.5 15.1<br />
Emilia R. 15.6 9.2 0.6 25.4<br />
Abruzzo-<br />
Molise<br />
15.6 41.3 -0.2 56.7<br />
32
L’interazione tra unità territoriali<br />
Si definisce come struttura spaziale, la partizione, regolare o<br />
irregolare, dello spazio o del territorio considerato. Ma per poter<br />
studiare i fenomeni che si manifestano su di essa questo non è<br />
sufficiente: è necessario definire anche l’interazione spaziale ossia<br />
il modo con cui le unità territoriali s’influenzano (si pensi alle<br />
caratteristiche dei dati spaziali). Struttura e interazione formano il<br />
modello spaziale ipotizzato dal ricercatore per lo studio del<br />
fenomeno oggetto di ricerca; questo rimarca quanto detto in tema di<br />
soggettività dei risultati. Lo stesso vale, con i debiti distinguo già<br />
visti, per il modello <strong>territoriale</strong>.<br />
33
La dipendenza spaziale<br />
L’idea di base è quella della prima legge della geografia di<br />
Tobler (1970): “everything is related to everything else, but<br />
near things are more related than distant things’’. In sostanza<br />
si presume che rilevazioni fatte in punti vicini s’influenzino<br />
reciprocamente. È un’osservazione “devastante” perché viola<br />
l’usuale ipotesi d’indipendenza dei dati assunta dall’inferenza<br />
<strong>statistica</strong>. Non è pero facile misurare questa dipendenza poiché<br />
le usuali misure non considerano l’aspetto spaziale. Questa<br />
osservazione porterà al concetto di autocorrelazione spaziale.<br />
34
La direzione della dipendenza spaziale<br />
A differenza del tempo, lo spazio presenta naturalmente più<br />
direzioni. Ad esempio un fenomeno può interessare solo unità<br />
territoriali o spaziali vicine, come un evento tellurico, oppure<br />
può impedire il verificarsi di eventi di altro tipo nella sua<br />
vicinanza, come ad es. la presenza di un predatore (anche<br />
economico); un altro può invece seguire una direzione ben<br />
specificata, come da sud a nord, ad es. i flussi migratori della<br />
popolazione. Nascono così i problemi di definizione del<br />
vicinato e del sistema di relazioni tra unità territoriali/spaziali.<br />
35
Contiguità e connessione<br />
Per formulare l’ipotesi di interazione tra Ut è necessario<br />
distinguere tra contiguità e connessione delle stesse. Il primo<br />
concetto è legato alla contiguità fisica: due Ut si definiscono<br />
contigue se hanno almeno un punto dei propri perimetri in<br />
comune (in tal senso si potranno formulare più casi). La<br />
connessione invece non è limitata solo all’aspetto fisico, ma<br />
può anche essere riferita ad un sistema di pesi astratto o di tipo<br />
economico. Ad ogni modo, più il peso è elevato e maggiore è<br />
relazione <strong>territoriale</strong> tra le aree territoriali.<br />
36
Il vicinato<br />
Nasce il problema di individuare il vicinato di una generica i-<br />
esima Ut. Questo in via generica può essere visto come<br />
l’insieme delle aree che sono “prossime” all’unità <strong>territoriale</strong><br />
considerata. Se indichiamo il vicinato con N(i), è possibile<br />
definire la nodalità v(i) la cardinalità dell’insieme N(i).<br />
Per poter definire il vicinato è necessario definire prima, oltre<br />
la struttura spaziale o <strong>territoriale</strong>, il tipo di interazione tra Ut<br />
ipotizzata. Per fare questo, si partirà dal caso spaziale di griglia<br />
regolare considerando la semplice contiguità fisica.<br />
37
La contiguità di primo ordine in un reticolo regolare<br />
Anche nel caso più semplice, come un reticolo regolare,<br />
esistono più modi di definire la contiguità e quindi di costruire<br />
W. Per fare questo si può usare la metafora degli scacchi.<br />
Caso della torre Caso dell’alfiere Caso della regina<br />
38
L’ipotesi sulla direzione dell’interdipendenza<br />
A ciascuno dei tre casi corrisponde un’ipotesi diversa nella<br />
direzione dell’interdipendeza:<br />
• caso della torre: quando l’interazione spaziale segue<br />
direzioni ortogonali, tipo sud-nord, est-ovest;<br />
• caso dell’alfiere: e simile al precedente ma ruotato di 45° per<br />
cui le direzioni ortogonali sono del tipo sudovest-nordest e<br />
sudest-nordovest; questo caso non trova grossa applicazioni;<br />
• caso della regina: è il caso più utilizzato e sostanzialmente<br />
ipotizza un interdipendenza multidirezionale a 360°.<br />
39
La matrice di contiguità spaziale<br />
Si definisce matrice di contiguità spaziale W la matrice<br />
binaria, quadrata e simmetrica così costruita:<br />
⎧0<br />
se j ∉ N( i)<br />
wij<br />
= ⎨<br />
⎩1<br />
se j ∈ N( i)<br />
Per usare le parole di Badaloni e Vinci (1988), “nella generalità<br />
delle situazioni W non è altro che una ipotesi del ricercatore<br />
riguardante il sistema delle interdipendenze tra i luoghi di<br />
osservazione del fenomeno e il grado in cui la relazione di<br />
interdipendenza agisce sulle determinazioni del fenomeno”.<br />
40
La costruzione della matrice di contiguità spaziale<br />
Come conseguenza dell’ipotesi sull’interazione, a ciascuno dei<br />
tre casi corrisponde un modo diverso di costruire W:<br />
• caso della torre: le celle i e j sono contigue, quindi wij=1, se<br />
e soltanto se hanno in comune un lato del loro perimetro;<br />
• caso dell’alfiere: le celle i e j sono contigue, quindi wij=1, se<br />
e soltanto se hanno in comune uno spigolo del loro perimetro;<br />
• caso della regina: le celle i e j sono contigue, quindi wij=1, se<br />
e soltanto se hanno in comune un lato o uno spigolo del loro<br />
perimetro.<br />
41
La contiguità nel caso di partizione <strong>territoriale</strong><br />
In via di massima possono essere applicate le stesse<br />
considerazioni della griglia regolare. Si propone un esercizio di<br />
costruzione del vicinato di ordine uno.<br />
Ui T: N(i) v(i) R: N(i) v(i)<br />
1 2,6,7 3 2,5,6,7 4<br />
2 1,3,4,6 4 1,3,4,6 4<br />
3 2,4,5,6 4 2,4,5,6 4<br />
4 2,3,5,7 4 2,3,5,7 4<br />
5 3,4,6,7 4 1,3,4,6,7 5<br />
6 1,2,3,5 4 1,2,3,5,7 5<br />
7 1,4,5 3 1,4,5,6 4<br />
U4<br />
U5<br />
U7<br />
U3<br />
U6<br />
U2<br />
U1<br />
42
La scelta della scala della mappa geografica<br />
Rispetto alle griglie, regolari o irregolari, nasce un problema<br />
rispetto alla scala della mappa geografica utilizzata per costruire<br />
W: deve essere scelta in modo da rappresentare univocamente la<br />
struttura <strong>territoriale</strong>.<br />
U<br />
U<br />
U7<br />
U3<br />
U6<br />
U2<br />
U1<br />
Zoom<br />
43
La cardinalità e la matrice di contiguità<br />
Si costruiscono le due matrici di contiguità per h=1, escludendo<br />
per convenzione l’i-esima Ut dal proprio vicinato (wii=0): la<br />
sommatoria di riga o di colonna fornisce sempre la nodalità.<br />
⎡0 1 0 0 0 1 1⎤<br />
⎢<br />
1 0 1 1 0 1 0<br />
⎥<br />
⎢ ⎥<br />
⎢0 1 0 1 1 1 0⎥<br />
⎢ ⎥<br />
T : W = ⎢0 1 1 0 1 0 1⎥<br />
⎢0 0 1 1 0 1 1⎥<br />
⎢ ⎥<br />
⎢1 1 1 0 1 0 0⎥<br />
⎢1 0 0 1 1 0 0⎥<br />
⎣ ⎦<br />
⎡0 1 0 0 1 1 1⎤<br />
⎢<br />
1 0 1 1 0 1 0<br />
⎥<br />
⎢ ⎥<br />
⎢0 1 0 1 1 1 0⎥<br />
⎢ ⎥<br />
R: W = ⎢0 1 1 0 1 0 1⎥<br />
⎢1 0 1 1 0 1 1⎥<br />
⎢ ⎥<br />
⎢1 1 1 0 1 0 1⎥<br />
⎢1 0 0 1 1 1 0⎥<br />
⎣ ⎦<br />
v(6)=4 v(6)=5<br />
44
Il criterio di connessione<br />
Sì è visto fino ad ora il concetto di contiguità fisica, si vuole<br />
ora vedere quando due Ut sono connesse. Per decidere questo è<br />
necessario specificare un criterio di connessione.<br />
Generalmente si tratta di un criterio che un significato reale<br />
come la distanza in linea d’aria o quella stradale tra i punti di<br />
riferimento (collocazione delle celle) oppure il tempo di<br />
percorrenza medio; si possono anche formulare criteri di<br />
connessione economici. È importante notare che la matrice non<br />
è più binaria e, forse, nemmeno simmetrica.<br />
45
Il sistema di pesi di Cliff e Ord (1981)<br />
Si tratta di una proposta di un sistema di pesi generalizzato;<br />
ogni valore della matrice di connessione è calcolabile<br />
attraverso la seguente formula:<br />
w =<br />
p d<br />
α β<br />
ij ij ij<br />
−<br />
dove: pij è la frazione di perimetro in comune; dij la distanza tra<br />
le due unità spaziali; α e β sono due parametri reali positivi.<br />
Quindi viene attribuito maggiore peso alle coppie di Ut più<br />
vicine e che hanno una maggiore quota di confine in comune.<br />
46
La matrice di connessione di Cliff e Ord<br />
Una matrice di connessione costruita in base alla proposta di Cliff e<br />
Ord fa ben notare alcuni aspetti:<br />
• la matrice non è più di tipo binario;<br />
• le Ut con un solo spigolo in comune non sono connesse perché pij<br />
è nullo, quindi la proposta ricorda il caso torre;<br />
• rimane il problema della diagonale in quanto il peso sarebbe<br />
teoricamente infinito in quanto dij è nullo;<br />
• la matrice non è più simmetrica poiché pij ≠ pji ossia la frazione di<br />
perimetro comune tra le Ut (a numeratore) è diversa;<br />
• la soggettività del ricercatore nella scelta di α e β.<br />
47
L’impiego dei modelli spaziale e <strong>territoriale</strong><br />
Una volta costruito W, partendo da una determinata struttura<br />
spaziale o <strong>territoriale</strong>, è finalmente possibile introdurre delle<br />
dei modelli o delle misure che considerano esplicitamente<br />
l’esistenza di relazioni spaziale rispetto al fenomeno studiato.<br />
A tal riguardo va ancora posto l’accento sul fatto che W è<br />
un’ipotesi del ricercatore. Se non vi sono informazioni tali da<br />
costruire W in modo univoco, si possono formulare più ipotesi<br />
cercando, successivamente, una concordanza dei risultati ossia<br />
perseguendo una robustezza dei risultati.<br />
48
L’autocorrelazione spaziale<br />
Il concetto di autocorrelazione spaziale permette di verificare<br />
se un fenomeno presente su un territorio sia influenzato nelle<br />
sue manifestazioni dalla contiguità (o connessione) dei luoghi<br />
in cui esso viene osservato. Si parla di autocorrelazione in<br />
quanto si considerano le realizzazioni di uno stesso fenomeno<br />
ma in ambiti spaziali diversi.<br />
Così come accade per la correlazione, è possibile attribuire due<br />
significati diversi al tipo di autocorrelazione in base al segno<br />
della sua misura.<br />
49
Il segno dell’autocorrelazione<br />
Si dice che esiste una:<br />
• autocorrelazione positiva AS + se nelle coppie di Ut contigue o<br />
connesse il fenomeno tende ad assumere valori somiglianti;<br />
• autocorrelazione negativa AS - se nelle coppie di Ut contigue o<br />
connesse il fenomeno tende ad assumere valori divergenti;<br />
Un semplice esempio può essere fatto rispetto al criterio di<br />
presenza-assenza: se l’autocorrelazione è positiva, vi sarà la<br />
tendenza a trovare gruppi di Ut contigue che registrano la<br />
presenza e gruppi che segnalano l’assenza del fenomeno.<br />
50
Le misure dell’autocorrelazione spaziale<br />
Nel caso di fenomeni sufficientemente marcati che possono<br />
essere espressi spazialmente attraverso una variabile binaria,<br />
come ad es. quelli derivati dal citato criterio presenza-assenza,<br />
è possibile verificare l’esistenza di autocorrelazione attraverso<br />
il test del conteggio dei legami che è un’estensione<br />
bidimensionale di un test ideato nelle serie storiche. Negli altri<br />
casi è possibile costruire degli indici di autocorrelazione;<br />
quello che va sottolineato è che tutte queste misure considerano<br />
esplicitamente W.<br />
51
Il test del conteggio dei legami: le statistiche test per l’AS +<br />
Si parte dalla considerazione di una variabile dicotomica del<br />
tipo:<br />
⎧0<br />
assenza ( Nero)<br />
δi<br />
= ⎨<br />
⎩1<br />
presenza ( Bianco)<br />
sulla base di questa variabile dicotomica, introducendo W,<br />
possono essere considerate le seguenti statistiche test:<br />
n n n n<br />
∑∑ ∑∑<br />
wijδiδ j wij(1<br />
−δi)(1 −δ<br />
j )<br />
i= 1<br />
BB =<br />
j= 1<br />
2<br />
;<br />
i= 1<br />
NN =<br />
j=<br />
1<br />
2<br />
che sono formulazioni legate al concetto di AS + .<br />
52
Il test del conteggio dei legami: la <strong>statistica</strong> test per l’AS -<br />
Analogamente è possibile costruire una <strong>statistica</strong> test nel caso<br />
di autocorrelazione negativa:<br />
BN<br />
=<br />
n n<br />
∑∑<br />
i= 1 j=<br />
1<br />
( δ −δ<br />
)<br />
ij i j<br />
dove l’elevazione al quadrato permette di uniformare la<br />
<strong>statistica</strong> alle precedenti BB e NN e, soprattutto, di evitare<br />
compensazioni tra differenze negative e positive.<br />
w<br />
2<br />
2<br />
53
Le distribuzioni asintotiche delle statistiche test<br />
Sulla base delle caratteristiche del territorio studiato si può,<br />
individuando tutte le permutazioni possibili, determinare le<br />
distribuzioni delle statistiche BB, NN e BN che sono<br />
asintoticamente normali di media e varianza note. Questo<br />
permette, sulla base della loro standardizzazione (Arbia, 1992):<br />
BB − µ BB NN − µ BN − µ<br />
JBB = ; JNN= ; JBN<br />
=<br />
σ σ σ<br />
NN BN<br />
BB NN BN<br />
di costruire dei test di autocorrelazione basati sulla N(0,1).<br />
54
L’indice di Moran<br />
Si presentano di seguito due indici su cui è possibile misurare<br />
l’autocorrelazione spaziale per variabili quantitative. Il primo è<br />
l’indice di Moran (1950) che prende in considerazione gli<br />
scarti dalla media:<br />
che segnala una situazione di AS + per I>-1/(n-1) e una di AS -<br />
per I
L’indice di Geary<br />
Il secondo è l’indice di Geary (1954) che prende in<br />
considerazione la differenza quadratica tra le determinazioni:<br />
c<br />
=<br />
∑ ∑<br />
∑∑ ∑<br />
( n−1) ( x −x<br />
) w<br />
2<br />
i j i j ij<br />
i<br />
w<br />
j ij i<br />
2<br />
xi−x 2 ( )<br />
che risulta più interpretabile del precedente in quanto segnala<br />
una situazione di AS + c1. Sia I che c<br />
sono adimensionali in quanto anche se W ha una propria unità<br />
di misura, si trova sia al numeratore sia al denominatore.<br />
56
Alcune caratteristiche degli indici di Moran e Geary<br />
Badaloni e Vinci (1988) dimostrano che:<br />
• entrambi gli indici possono essere visti come rapporti tra due<br />
valori medi: uno delle coppie di Ut contigue o connesse (attraverso<br />
W) e uno dell’insieme di tutte le possibili coppie di Ut;<br />
• l’indice di Moran non ha estremi ben definiti e, soprattutto, non<br />
sono chiare le situazioni per cui assume i valori stremanti;<br />
• l’indice di Geary presenta invece estremi definiti;<br />
• sono state proposte misure derivate dal criterio su cui si basa c;<br />
• dal punto di vista dei test, sono state derivate le distribuzioni<br />
asintotiche (sotto H0: AS 0 ) di c ed I (Cliff e Ord, 1981).<br />
57
L’analisi shift-share spaziale<br />
È possibile modificare la scomposizione shift-share classica<br />
seguendo l’impostazione di Nazara-Hewings (2004), ossia<br />
sostituendo il tasso settoriale gi riferito a livello nazionale con<br />
quello calcolato sul vicinato ğij si ottiene:<br />
g<br />
j<br />
=<br />
g<br />
+<br />
∑<br />
(<br />
( ) ij<br />
g − + ∑(<br />
− )<br />
ij g gij<br />
gij<br />
i j<br />
i j<br />
dove ğij è opportunamente calcolato sulla base della scelta della<br />
matrice di contiguità o connessione. In questa scomposizione i<br />
livelli territoriali sono tre: nazionale, vicinato e locale.<br />
L<br />
L<br />
(<br />
L<br />
L<br />
ij<br />
58
Cenni sulle caratteristiche dei modelli spazio-temporali<br />
Effetto temporale<br />
Spin-off<br />
Spill-over<br />
Tempo<br />
59
La bibliografia di base<br />
-Bracalente B. (1991), Analisi di dati spaziali, in Marbach G.<br />
(a cura di), Statistica economica, Utet Libreria, Torino, pp.<br />
277-299.<br />
-Rinaldi A. (2007), Statistica Economica e Territorio. Fonti<br />
statistiche, indicatori e metodologie di analisi per lo studio<br />
delle economie locali, Aracne ed., Roma.<br />
-Zaccomer G.P. (2008), Economia, Statistica e Territorio.<br />
Informazione e metodologia <strong>statistica</strong> per la conoscenza<br />
dell’economia del Friuli Venezia Giulia, Forum, Udine.<br />
-Zani S. (1993) (a cura di), Metodi statistici per le analisi<br />
territoriali, F. Angeli, Milano.<br />
60