Gli obiettivi del lavoro
3 Aspetti metodologic
Gli indicatori descritti nel paragrafo precedente sono stati calcolati per entrambe le classi di età oggetto di analisi. Il livello territoriale è la provincia. Il dataset di input per il calcolo degli indici sintetici ha quindi come unità la provincia e come variabili gli indicatori elementari. In particolare, ad ogni provincia sono stati associati i valori di tutti gli indicatori elementari calcolati per le due classi di età.
Sulla base della natura della variabile latente e dalle relazioni che essa ha con gli indicatori elementari è stato adottato un modello di misurazione di tipo formativo [5, 7]. Al fine di testare l’adeguatezza della selezione del set di indicatori elementari e scegliere un metodo per l’aggregazione degli stessi è stato utilizzato il software COMIC, sviluppato in Istat per la sintesi degli indicatori in ambito BES [12].
I risultati di una Analisi delle Componenti Principali1 (ACP) eseguita in via
esplorativa indicano che le correlazioni tra gli indicatori elementari sono in generale molto basse. Tale evidenza suggerisce che l’utilizzo di un metodo fattoriale non è indicato, in quanto l’informazione data dai singoli indicatori non è ridondante.
I seguenti metodi di sintesi, implementati in COMIC, sono stati testati al fine di verificarne la robustezza:
1) Media indici 0-1, che consiste nella standardizzazione con metodo min-max degli indicatori elementari e aggregazione con la media aritmetica;
2) Media z-scores, che consiste nella trasformazione in scarti standardizzati degli indicatori elementari e aggregazione con la media aritmetica;
1 L’ACP consente di ridurre la dimensionalità dell’insieme dei dati, eliminando la ridondanza di informazioni dovuta a variabili altamente correlate e di sostituire queste ultime con un minor numero di nuove variabili tra loro incorrelate e legate linearmente alle variabili di partenza.
Etichetta variabile Tema Descrizione Polarità
OCC_PERC Lavoro Percentuale di occupati +
INSTAB_PERC Lavoro Percentuale di occupati precari -
RISCHIO_POV_PERC Reddito Percentuale di persone con reddito
inferiore al 60% del reddito mediano -
DIPL_PERC Reddito Percentuale di diplomati +
LAU_PERC Istruzione Percentuale di laureati +
LN_REDD_MEDIAN
O Istruzione Logaritmo naturale del reddito mediano +
TASSO_FEMMI_OCC Pari
opportunità Complemento a uno del rapporto tra tasso di occupazione femminile e tasso
di occupazione maschile -
TASSO_STRA_OCC Pari
opportunità Complemento a uno del rapporto tra tasso di occupazione stranieri e tasso di
3) Mazziotta-Pareto Index (MPI), che consiste nella trasformazione degli indicatori elementari in variabili con media 100 e scostamento quadratico medio 10 e aggregazione con la media aritmetica penalizzata dalla variabilità «orizzontale» degli indicatori medesimi [6];
4) Indice di Jevons, che consiste nella trasformazione degli indicatori elementari in numeri indici con base ‘Italia’ (indice statico) o numeri indici con base ‘anno precedente’ (indice dinamico) e aggregazione con la media geometrica;
5) Indice Media Geometrica (IMG), che consiste nella standardizzazione min-max degli indicatori elementari e aggregazione con la media geometrica;
6) Indice MPI corretto (AMPI - Adjusted Mazziotta-Pareto Index), che consiste nella standardizzazione min-max degli indicatori elementari e aggregazione con la media aritmetica penalizzata dalla variabilità «orizzontale» degli indicatori medesimi [13]. Sulla base delle evidenze emerse dalla matrice di correlazione di Spearman dei metodi (le correlazioni tra i metodi testati sono comunque molto alte) e dall’analisi di influenza degli indicatori, è stato selezionato, come indice sintetico, l’AMPI1. Tale indice è l’unico
metodo tra quelli testati in grado di garantire anche la comparabilità tra indicatori sintetici calcolati per sotto-popolazioni diverse (in questo caso le due diverse classi di età).
4 Lettura dei risultati in chiave territoriale
La Figura 1 rappresenta lo Scatterplot matrix degli indicatori elementari, dal quale si evince una bassa correlazione, pertanto l’informazione data dai singoli indicatori non è, in linea di massima, ridondante.
Più nel dettaglio si rileva che gli indicatori non sono tutti strettamente correlati se non all’interno della dimensione; la selezione quindi dei singoli indicatori consente di rappresentare correttamente i diversi aspetti del fenomeno.
Alcune differenze si delineano tra i due gruppi esaminati:
• la distribuzione della percentuale di occupati è bimodale per i più giovani (classe: 29-50enni);
• la distribuzione della percentuale di laureati risulta asimmetrica nella “classe: 51-64enni” (indicando quindi un’incidenza piuttosto bassa di individui che hanno raggiunto un livello di istruzione terziario in questa classe di età), e bimodale per i più giovani;
• il tasso di integrazione straniera nell’occupazione calcolato per i 29-50enni presenta una variabilità inferiore all’indicatore calcolato per i 51-64enni.
1 I valori minimi e massimi dei goalpost degli indicatori elementari sono: OCC_PERC: 38,595 – 83,805; INSTAB_PERC: 0,615 – 25,825; RISCHIO_POV_PERC: 18,450 – 58,130; DIPL_PERC: 33,690 – 81,730; LAU_PERC: 5,625 – 39,775; LN_REDD_MEDIANO: 8,695 – 10,485; TASSO_FEMMI_OCC: -0,025 – 0,525; TASSO_STRA_OCC: -0,010 – 0,390.
Figura 1: Scatterplot Matrix degli indicatori elementari
Gli otto indicatori selezionati sono stati sintetizzati attraverso l’AMPI al fine di effettuare agevolmente un confronto a livello territoriale.
La rappresentazione del benessere a livello territoriale rivela in prima battuta una netta differenza tra le tre grandi ripartizioni geografiche italiane. Il cartogramma riportante la distribuzione provinciale dell’AMPI per le due classi di età oggetto di analisi (Figura 2) mostra una tendenza geografica generale comune ai due gruppi: elevati livelli di benessere diffusi nelle aree del Nord e in particolare in Trentino Alto-Adige e lungo la “via Emilia” e livelli via via decrescenti nelle aree centrali e del Mezzogiorno. In alcune regioni, l’analisi provinciale mostra un dualismo territoriale per molte e rilevanti componenti del benessere (ad esempio la provincia di Roma si colloca su livelli medio- alti, vicini alle province del Nord, mentre le altre province laziali rivelano valori medio- bassi similmente al profilo delle aree meno critiche del Mezzogiorno). Questa lettura del benessere è plausibilmente connessa alla specializzazione dei sistemi economici a livello territoriale.
Osservando in maniera dettagliata i livelli di benessere rilevati nelle singole province emergono differenze tra i due gruppi degne di nota, che possono essere sintetizzate in due fattori:
• l’istruzione è carattere distintivo per individuare le generazioni con più elevato
benessere. Il livello di benessere della classe “29-50enni” più elevato (oltre 105)
si registra in ben 28 province, mentre le province in cui si osserva lo stesso livello per la classe “51-64enni” sono solo tre (e sono proprio le tre province in cui il benessere è maggiore per entrambi i gruppi: Bologna, Genova e Milano). In generale le province in cui il livello di benessere dei più giovani è pari o superiore a 100 sono 61 (contro le 29 della classe “51-64enni”). La distribuzione sul territorio, quindi, del benessere è connessa alla presenza della leva più giovane e istruita.
• La composizione demografica influenza la determinazione dei profili di
generazioni del baby boom nelle province del Centro e della Sardegna. In queste due aree del Paese si registra una similarità rispetto ad alcuni indicatori demografici: il tasso di crescita naturale (per mille abitanti) è simile (-3,2 nelle regioni del centro e -3,3 in Sardegna) ed è superiore rispetto a quello medio italiano, -2,7 e a quello delle regioni del Sud, -1,9. Inoltre, l’età media della popolazione in entrambe le zone è di un anno maggiore rispetto a quella italiana (rispettivamente 45,1 e 45,3 contro 44,4). I valori della regione Sardegna sono più simili a quelli delle regioni centrali della penisola piuttosto che a quelli delle regioni meridionali.
Figura 2: Le mappe del benessere provinciale