P=0.53 Tab.52 Risultati del Test U di Mann –Whitney nei confronti a coppie delle variabili oggetto di studio.

Fig. 53. Densità degli eventi GV, nel triennio 2008-2010, per anno. Per densità degli eventi GV è qui intesa la densità

media degli eventi presenti in tutti i comuni (a livello provinciale) interessati dalla presenza di aree protette e aree contermini che nel triennio di riferimento sono stati interessati da eventi di comunicazione e/o dalla presenza di strutture comunicative.

Il grafico relativo alla densità media del numero di eventi per anno mostra una lieve preponderanza dell’anno 2009 rispetto al 2008 e al 2010.

139

Test di significatività per Densità degli eventi per anno

Le annualità 2008, 2009, 2010 sono state sottoposte al test di Wilcoxon per due campioni dipendenti. Il test di Wilcoxon ha rivelato la presenza di differenze statisticamente significative nel numero di eventi del 2009 rispetto al 2010, con il primo superiore al secondo (nel 2009 più eventi del 2010). 2009 2010 2008 Z= -1.44 Z= -1.58 P= 0.15 P= 0.11 2009 * Z= -3.15 P= 0.002

Tab.53. Risultati del Test di Wilcoxon per i confronti a coppie delle variabili oggetto di studio. La significatività è espressa in grigio.

Analisi di correlazion e test rho di Spearman

Nell’ambito del presente lavoro di ricerca si è scelto di utilizzare il coefficiente di correlazione non paramedica rho di Spearman (Kendall & Stuart, 1973) per valutare la correlazione tra:

• Densità infrastrutturale (I/Kmq) • Numero strutture

• Totale eventi di animazione naturalistica, triennio 2008 - 2010

Nelle tabelle a seguire sono riportate le matrici di correlazione per ciascun incrocio di variabili, nonché il coefficiente di correlazione e la sua significatività.

Densità infrastrutturale (Km/Kmq) Correlazione di di Spearman (Rho) Densità infrastrutturale (Km/Kmq) Coefficiente di correlazione 1,000 Sig. (2-code) . N 107 Numero strutture Coefficiente di correlazione -,124 Sig. (2-code) ,203 N 107 Totale eventi (2008 - 2010) Coefficiente di correlazione ,241* Sig. (2-code) ,012 N 107

140 Numero strutture Rho di Spearman Densità infrastrutturale (Km/Kmq) Coefficiente di correlazione -,124 Sig. (2-code) ,203 N 107 Numero strutture Coefficiente di correlazione 1,000 Sig. (2-code) . N 107 Totale eventi (2008 - 2010) Coefficiente di correlazione ,200* Sig. (2-code) ,039 N 106

La significatività è espressa in grigio

Totale eventi (2008 - 2010)

Rho di Spearman

Densità infrastrutturale (I/Kmq)

Coefficiente di correlazione ,241 Sig. (2-code) ,012 N 107 Numero strutture Coefficiente di correlazione ,198 Sig. (2-code) ,039 N 107 Totale eventi (2008 - 2010) Coefficiente di correlazione 1,000* Sig. (2-code) . N 107

Tab. 54. Risultati del Test rho di Spearman. La significatività è espressa in grigio.

Dai risultati riportati emerge che la variabile “totale eventi 2008-2010” è significativamente correlata con le variabili: numero di strutture e densità infrastrutturale. La correlazione è statisticamente significativa.

6.8 Scelta del miglior modello mediante AIC (Akaike’s Information Criteria)

Dalle statistiche univariate abbiamo visto, nel precedente paragrafo, che la variabile dipendente “totale eventi 2008-2010” è positivamente correlata con numero di strutture e densità infrastrutturale. La correlazione è statisticamente significativa. La medesima variabile è stata ulteriormente indagata attraverso l’elaborazione di una serie di modelli generali lineari (GLM), che permettono la realizzazione di modelli con variabili di tipo discreto o continuo (covariate) e variabili categoriche (fattori). I modelli sono stati sottoposti a test statistici, rivelando la presenza di relazioni statisticamente significative. Al fine di individuare un modello in grado di meglio prevedere il

141

valore della variabile dipendente (“totale eventi 2008-2010”), è stato scelto il metodo che si basa sul calcolo degli AIC (Akaike, 1973). Tale metodo è largamente impiegato in letteratura scientifica.

• Nel nostro caso è stata assunta come variabile dipendente “totale eventi 2008-2010” (calcolata in ciascun comune dove si sono svolti eventi di animazione naturalistica o insistono strutture volte alla comunicazione/informazione/educazione) e come fattori e covariate le seguenti variabili:

• provincia (fattore)

• densità infrastrutturale (km/kmq) (covariata)

• strutture volte alla comunicazione/informazione/educazione (covariata).

A questi poi sono stati aggiunti, come ulteriori covariate: • distanza del comune da Roma (km) (covariata)

• distanza del comune da Roma (minuti di percorrenza) (covariata) • distanza del comune dal capoluogo provinciale km (covariata)

• distanza del comune dal capoluogo provinciale (minuti di percorrenza) (covariata)

Come è noto, una volta elaborati, i modelli devono essere verificati. I pacchetti statistici in grado di eseguire le analisi hanno dei test specifici per saggiarne la significatività. Bisogna comunque precisare che un modello può essere considerato idoneo quando risponde ai requisiti per i quali è stato elaborato più che ad un preciso rigore teorico; per questo motivo si deve saggiare la sua attendibilità sia statisticamente sia valutando la sua capacità di descrivere il mondo reale (Grant 1986). Per selezionare il modello più appropriato, è stato usato il Criterio Informativo di Akaike (Akaike’s Information Criterion, AIC: Akaike, 1973). L’AIC è un indice statistico che aiuta a scegliere GLM alternativi conciliando:

a. l’adattamento ai dati misurato in termini di verosomiglianza (indice statistico che misura la probabilità che un campione come quello utilizzato nell’analisi si realizzi, dato il modello stimato).

b. La parsimonia, in termini di numero di parametri.

La formulazione matematica dell’intice è tale che tra modelli alternativi, si scelga il modello con AIC minimo.

Il modello numero 1 ha messo in relazione la variabile dipendente totale eventi 2008-2010 con i seguenti fattori e covariate:

• strutture • provincia

142 • densità infrastrutturale km/kmq

• distanza del comune da Roma km

• distanza del comune dal capoluogo provinciale km

Il modello numero 2 ha messo in relazione la variabile dipendente totale eventi 2008-2010 con i seguenti fattori e covariate:

• strutture • provincia

• densità infrastrutturale km/kmq

Il modello numero 3 ha messo in relazione la variabile dipendente totale eventi 2008-2010 con i seguenti fattori e covariate:

• strutture • provincia

• distanza del comune da Roma km

Il modello numero 4 ha messo in relazione la variabile dipendente totale eventi 2008-2010 con i seguenti fattori e covariate:

• strutture • provincia

Il modello numero 5 ha messo in relazione la variabile dipendente totale eventi 2008-2010 con il seguente regressore:

• strutture

Il modello numero 6 ha messo in relazione a variabile dipendente totale eventi 2008-2010 con il seguente regressore:

• densità infrastrutturale km/kmq

Il modello numero 7 ha messo in relazione a variabile dipendente totale eventi 2008-2010 con i seguenti fattori e covariate:

• strutture

• distanza del comune dal capoluogo provinciale km

Il modello numero 8 ha messo in relazione a variabile dipendente totale eventi 2008-2010 con i seguenti fattori e covariate:

• strutture • provincia

143 Model Number N RSS K Negative Log- Likelihood values province strutture DI Km Roma Km Capoluogo PR AICc value Delta-AICc3 1 107 35920,4 7 311,17 x x x x x 637,47 157,65 2 107 35756,8 5 310,92 x x x 632,44 152,62 3 107 39763,6 5 316,61 x x x 643,81 163,99 4 107 16992 4 271,12 x x 550,63 70,81 5 107 8945,3 3 236,79 x 479,82 0,00 6 107 88190,3 3 359,22 x 724,68 244,86 7 107 41312,4 4 318,65 x x 645,69 165,87 8 107 39762,3 5 316,60 x x x 643,80 163,98