Informazione statistica territoriale e settoriale per le politiche strutturali 2001-08
Infrastrutture e territorio: una proposta di metodo
di sintesi di indicatori∗
(C.Brunini, A. Messina, R. Milazzo, F. Paradisi)
1. Premessa
Nell’ambito del progetto «Informazione statistica territoriale e settoriale per
le politiche strutturali 2001-08», è prevista la costruzione di una banca dati
delle infrastrutture a livello provinciale e indici sintetici settoriali di
infrastrutturazione.
La finalità è di produrre uno strumento a supporto delle attività di
programmazione delle politiche di sviluppo territoriale.
Il presente documento affronta aspetti metodologici legati alla sintesi degli
indicatori, e rappresenta una evoluzione del lavoro presentato dagli stessi
autori in occasione della VI Conferenza Nazionale di Statistica1.
Il lavoro riporta i risultati della sperimentazione del metodo sul settore
Assistenza Ospedaliera per l’anno 2001. Si fa presente che il set di indicatori
utilizzato è da considerasi assolutamente provvisorio in quanto ancora
oggetto di confronto con gli esperti di settore.
2. Struttura della banca dati
La banca dati ha il duplice obiettivo di:
a) fornire un sistema di indicatori con determinate caratteristiche:
articolazione settoriale dettagliata (i settori sono individuati a partire
dalla classificazione delle attività ATECO 20022);
disaggregazione provinciale;
disponibilità in serie storica dal 1996;
aggiornabile annualmente fino al 2008;
costruito con dati temporalmente e territorialmente omogenei.
∗
Si ringraziano per gli importanti contributi metodologici e di conoscenza della materia:
Alleva (Università La Sapienza), la Prof.ssa S. Terzi (Università RomaTre), il Prof. C.
(Università RomaTre), la Prof.ssa E. Aureli Cutillo (Università La Sapienza), la Dott.ssa
(Istat), Dott. A. Solipaca (Istat)
1
C.Brunini, A. Messina, F. Paradisi, L'infrastrutturazione delle province italiane:
sperimentazioni, VI Conferenza Nazionale di Statistica, Roma 2002
il Prof. G.
Mazziotta
A. Burgio
metodi e
2
Il modello di classificazione prescelto è quello che divide le infrastrutture secondo il settore di attività
economica prevalente. Nello specifico si è fatto riferimento alla classificazione delle attività economiche
ATECO2002. A partire da questa si sono considerati i seguenti settori: Energia e Ambiente – Trasporti
e comunicazioni – Commercio – Intermediazione Monetaria e Finanziaria – Istruzione – Attività culturali
– Informatica e ricerca – Turismo – Sanità.
1
Informazione statistica territoriale e settoriale per le politiche strutturali 2001-08
b) produrre misure sintetiche settoriali del livello di infrastrutturazione delle
province italiane:
misura della dotazione fisica di infrastrutture;
misura del livello di dotazione intesa come offerta di servizi
infrastrutturali;
misura dell’efficienza dei servizi infrastrutturali.
Il livello di infrastrutturazione di un’area può essere determinato,
tradizionalmente, con riferimento alla sola presenza di risorse fisiche, in tal
caso si parla di dotazione infrastrutturale in senso stretto, ovvero
considerando anche altri tipi di risorse (umane, apparecchiature…), nel quale
caso si parla di dotazione intesa come offerta di servizi infrastrutturali.
Inoltre, la misura dell’infrastrutturazione di un’area può far riferimento anche
ad aspetti di efficienza dei servizi delle infrastrutture.
3. Metodologia di sintesi proposta
3.1
Introduzione
Il processo di sintesi di indicatori prevede le seguenti fasi:
selezione critica degli indicatori;
definizione del verso di associazione al concetto;
definizione di un coefficiente di accessibilità da applicare alle
infrastrutture puntuali;
standardizzazione degli indicatori;
formulazione di un modello di sintesi degli indicatori.
La selezione degli indicatori è realizzata utilizzando criteri sia concettuali che
statistici; i primi per rispondere alla esigenza di non sostituibilità e di
rappresentatività di un aspetto essenziale del concetto, i secondi a supporto
della significatività statistica.
Operazione preliminare a qualsiasi sintesi è l’attribuzione dello stesso segno a
tutti gli indicatori elementari. E’ necessario cioè che gli indicatori si muovano
nella stessa direzione del fenomeno studiato; occorre dunque invertire il
segno a quelli che si muovono in senso contrario in modo che a valori più alti
dell’indicatore corrispondano sempre connotazioni positive del fenomeno
oggetto di studio.
Le infrastrutture puntuali sono quelle costituite da singole entità che hanno
una distribuzione sul territorio discontinua e puntiforme. Tali entità hanno
una localizzazione ben definita ma non una distribuzione omogenea; si può
infatti verificare che sono localizzate e concentrate in alcune zone mentre
sono scarsamente presenti o del tutto assenti in altre. Il problema
dell’accessibilità riguarda le infrastrutture puntuali con un bacino di utenza
2
Informazione statistica territoriale e settoriale per le politiche strutturali 2001-08
notevolmente più ampio dell’unità territoriale in cui è localizzata e che
possono “attrarre” utenza indipendentemente dalla loro ubicazione.
Il metodo prescelto per la standardizzazione degli indicatori normalizzati è la
divisione del valore di ciascuna provincia per il relativo valore nazionale.
L’esigenza di un “nuovo” metodo di sintesi degli indicatori, nasce a seguito
della sperimentazione di varie metodologie presenti in letteratura, che ha
reso individuabili punti di forza e debolezza di ognuna di esse. L’approccio
ordinale non è stato considerato in quanto non fornisce una misura
quantitativa del fenomeno. Ai criteri di analisi multivariata sono state
preferite tecniche di selezione soggettiva degli indicatori. Ai criteri che
utilizzano le distanze e quindi trasformate quadratiche, sono state preferite
funzioni di sintesi lineari degli indicatori.
3.2
Orientamento alla base del metodo
La media aritmetica semplice degli indicatori standardizzati, quale metodo
utilizzato per il calcolo degli indici sintetici di infrastrutturazione, rappresenta
il metodo più semplice tradizionalmente utilizzato.
E’ noto tuttavia che una media non contiene sufficienti informazioni per
caratterizzare una distribuzione. Ad esempio, due serie che hanno stessa
media aritmetica possono avere diverse caratteristiche di variabilità.
Sarebbe utile integrare le informazioni fornite dalla media con altre sulla
variabilità; misurare di quanto differiscono tra loro le modalità con cui il
carattere è presente nelle unità territoriali e favorire le unità con bassa
variabilità piuttosto che quelle con variabilità alta.
Oltre alla variabilità “orizzontale” tra gli n indicatori della i-esima provincia,
nella matrice A (103 , n) , ad integrazione delle informazioni fornite dalla
media, si propone di tenere conto anche del contesto ambientale in cui si
inserisce la singola unità.
Il metodo proposto corregge la media aritmetica degli indicatori
standardizzarti, sottraendo una quantità proporzionale al valore della media
stessa, e funzione della variabilità orizzontale. Si individuano due possibili
modalità di correzione. La prima si basa sulla variabilità tra gli indici integrata
con i coefficienti di correlazione; la seconda si basa sulla variabilità misurata
su grandezze ordinali (ranghi).
3.3
Un primo criterio di sintesi: metodo “media aritmetica –
variabilità cardinale”
Alla base della costruzione del metodo vi è l’intento di privilegiare le unità
territoriali con più basso grado di dispersione tra le modalità, indice di
maggior equilibrio.
3
Informazione statistica territoriale e settoriale per le politiche strutturali 2001-08
Si assume l’ipotesi che gli indicatori scelti per entrare nel calcolo della sintesi,
siano tra loro non sostituibili e rappresentativi di un aspetto fondamentale
della dimensione di appartenenza. In questa ottica il concetto di equilibrio si
traduce in una presenza bilanciata di tutti gli aspetti rappresentati dagli
indicatori scelti.
Chiedere che gli indicatori standardizzati siano in equilibrio implica assumere
che il vettore relativo all’Italia sia un insieme di valori norma. Le unità
territoriali meno penalizzate sono quelle che presentano valori simili tra loro
cioè in analoga proporzione rispetto al vettore nazionale. Se ad esempio in
sanità una provincia ha numero di posti letto ospedalieri pari a 1,5 volte il
valore italia, chiedendo che anche gli altri indicatori (medici e infermieri)
rispettino tale proporzione, si assume implicitamente l’ottima l’allocazione
delle risorse a livello nazionale. Qualora questo assunto non fosse verificato
nei singoli settori si renderebbe necessario sostituire il vettore dei valori
nazionali con un vettore di valore norma documentati.
Il metodo di sintesi proposto intende calcolare una media aritmetica
“corretta” mediante un indice di sintesi delle misure della diversità di tutti i
termini della distribuzione fra di loro. La differenza semplice media 3 è l’indice
di variabilità che sintetizza, mediante media aritmetica semplice, le misure
delle differenze tra ogni termine e tutti gli altri.
In luogo della media aritmetica semplice, quale sintesi delle diversità esistenti
tra i termini della distribuzione, si propone di adottare una media aritmetica
ponderata i cui pesi sono posti in relazione ai coefficienti di correlazione di
Bravais Pearson calcolati per tutte le coppie di serie provinciali i e j.
Differenza semplice media ponderata
4
∆ =
p
∑∑ ind
i
j
i
− ind j pij
∑∑ p
i
ij
j
L’introduzione di un sistema di pesi correlato ai coefficienti di Bravais Pearson
permette di attribuire un peso ai singoli elementi della differenza semplice
media, proporzionale alla rispettiva correlazione: quanto più la correlazione
positiva tra le serie provinciali degli indicatori i e j è elevata, tanto maggiore
è il peso assegnato alla differenza tra la coppia degli indicatori stessi; quanto
più la correlazione negativa è alta, tanto meno elevato è il peso assegnato.
Ciò consente di tenere conto del contesto complessivo: le unità con indicatori
∑ ∑ ind i − ind j
3
4
∆=
i j
n(n − 1)
(G. Leti, Statistica descrittiva, Il mulino, 1983)
∆ = ∑ ∑ ind i − ind j p ij dove la somma di pij è pari a 1 (V. Castellano, Istituzioni di statistica,
i j
Edizioni Ilardi, 1965)
4
Informazione statistica territoriale e settoriale per le politiche strutturali 2001-08
dissimili, in presenza di elevata correlazione positiva, contravvenendo alla
“legge” che regola l’ambiente, vengono penalizzate più di quanto non accada
in presenza di elevata correlazione negativa, dove l’unità territoriale con
valori dissimili è maggiormente coerente all’ambiente.
Per l’individuazione del sistema dei pesi è stato utilizzato il valore del
coefficiente di correlazione nel modo seguente:
Valori assunti da rij
rij ∈ [− 1;1]
Partizione dell’intervallo [-1;1]
− 1 = t o < t1 < ..... < t k −1 < t k = 1
Indicato con Vm il valore centrale della generica classe Sm [tm-1; tm] in cui
cade il valore rij, il peso pij è così determinato:
p ij =
1 + Vm
=
2
1+
t m −1 + t m
2
2
Si ottiene in tal modo un sistema di pesi, riportati in Tabella 2, crescenti al
“crescere” della correlazione; che variano tra 0,025, in corrispondenza della
classe a più alta correlazione negativa, e 0,975, in corrispondenza della
classe a più alta correlazione positiva.
Tabella 2: sistema dei pesi
Classi di rij
-1≤ r < -0,9
-0,9≤ r < -0,8
-0,8≤ r < -0,7
-0,7≤ r < -0,6
-0,6≤ r < -0,5
-0,5≤ r < -0,4
-0,4≤ r < -0,3
-0,3≤ r < -0,2
-0,2≤ r < -0,1
-0,1≤ r < 0,0
0,0≤ r < 0,1
0,1≤ r < 0,2
0,2≤ r < 0,3
0,3≤ r < 0,4
0,4≤ r < 0,5
0,5≤ r < 0,6
0,6≤ r < 0,7
0,7≤ r < 0,8
0,8≤ r < 0,9
0,9≤ r < 1,0
Valori di pij
0.025
0.075
0.125
0.175
0.225
0.275
0.325
0.375
0.425
0.475
0.525
0.575
0.625
0.675
0.725
0.775
0.825
0.875
0.925
0.975
5
Informazione statistica territoriale e settoriale per le politiche strutturali 2001-08
La differenza semplice media ponderata ∆ p entra nella correzione della media
aritmetica µ nel modo seguente:
µ c = µ − (µ × ∆ pr )
dove ∆ pr è la differenza semplice media ponderata
relativa, ottenuta dividendo la differenza semplice media
ponderata per il proprio massimo teorico5.
µ c = µ − µ ×
c
∑ ind i
µ =
i
n
∆p
nµ
dopo semplici passaggi algebrici l’espressione diventa:
∑ ∑ ind i − ind j p ij
i j
−
n ∑ ∑ p ij
i j
(1)
Il campo di variazione della µ c è il seguente:
0 ≤ µc ≤ µ
L’applicazione della formula (1) apporta le seguenti correzioni rispetto alla
media aritmetica:
date due unità territoriali s e t tali che
µ cs
< µ tc
µ s = µ t si verificherà che
se:
∑ ∑ ind i − ind j p ij
∑ ∑ ind i − ind j p ij
i j
> i j
n∑ ∑ p ij
n ∑ ∑ p ij
i j
i j
t
s
cioè a parità di media aritmetica, la “correzione” penalizza maggiormente
l’unità territoriale con più alta variabilità tra gli indicatori;
date due unità territoriali s e t tali che µ s > µ t si verificherà che µ cs > µ tc
se:
∑ ∑ ind i − ind j p ij
∑ ∑ ind i − ind j p ij
i j
= i j
n∑ ∑ p ij
n ∑ ∑ p ij
i
j
i
j
s
t
5
Il massimo teorico della differenza semplice media ponderata è pari a
diseguaglianza
nµ ≥ ∆
p
nµ . Si dimostra infatti che la
è sempre verificata ed il segno di uguaglianza vale quando tutto il carattere
è concentrato in un solo termine indi ed il peso relativo alle differenze tra tutti gli indicatori diversi da
indi è uguale a zero.
6
Informazione statistica territoriale e settoriale per le politiche strutturali 2001-08
cioè a parità di variabilità tra gli indicatori, le unità territoriali, con
diversa media aritmetica, sono penalizzate in termini assoluti nella
stessa misura, ed in termini relativi in funzione della loro media
(maggiormente penalizzata l’unita t-esima);
date due unità territoriali s e t tali che
µ cs < µ tc se
µ s > µt
∑ ∑ ind i − ind j p ij ∑ ∑ ind i − ind j p ij
∑ ind i
> i
− i j
i j
n∑ ∑ p ij
n ∑ ∑ p ij
n
i j
i j
t
s
si verificherà che
∑ ind i
i
−
n
t
s
cioè la provincia s-esima, posizionata sopra la provincia t-esima
rispetto alla graduatoria della media aritmetica, può essere
“sorpassata” da quest’ultima nella nuova graduatoria qualora è
verificata la sopra indicata condizione.
3.4
Un secondo criterio di sintesi: metodo “media aritmetica –
variabilità ordinale”
Una seconda tipologia di correzione utilizza la seguente formula:
(
µ c ' = µ − µ × k∆ r
)
dove ∆ r è la differenza semplice media relativa6 calcolata
sui ranghi relativi alle distribuzioni provinciali dei singoli
indicatori; k è una costante che varia tra 0 e 1.
In questo caso le distanze non vengono ponderate poiché i ranghi sono una
misura espressione della relazione di ciascuna unità con le altre. La
correzione è tanto maggiore quanto più è alta la variabilità tra le posizioni
assunte in graduatoria.
La costante k è introdotta per ridurre il valore del ∆ r ; nel caso dei ranghi
infatti la distribuzione teorica che rende massima la variabilità produce un
valore del Delta ridotto rispetto a quello prodotto dalla distribuzione
massimizzante associata agli indicatori.
L’introduzione di K, assicura che l’estremo inferiore di µ c' sia sempre un
valore superiore a zero, infatti il suo campo di variazione è tra (1 − k )µ e µ . La
scelta del valore da assegnare a k rappresenta un elemento di forte
soggettività.
Il massimo teorico della differenza semplice media è il valore del ∆ calcolato sulla distribuzione
massimizzante composta da n/2 posizioni pari al minimo (1, nel caso dei ranghi) e n/2 posizioni pari al
massimo (103, nel caso di ranghi su una distribuzione provinciale).
6
7
Informazione statistica territoriale e settoriale per le politiche strutturali 2001-08
L’utilizzo dei ranghi supera l’assunto del vettore dei valori Italia quale vettore
di valori norma in quanto è richiesto, affinché la correzione sia minima o
nulla, che gli indicatori occupino una stessa posizione in graduatoria
indipendentemente dai valori assunti.
4. Risultati della sperimentazione nel settore “Assistenza
ospedaliera”
Il metodo di sintesi proposto è stato applicato, in via sperimentale, al settore
assistenza ospedaliera per l’anno 2001.
I dati utilizzati provengono da una indagine di competenza del Ministero della
Salute e pubblicati dall’Istat nella collana Informazioni (Struttura e attività
degli istituti di cura). Sono disponibili in serie storica, a livello provinciale,
distinti per tipo di istituto, pubblico o privato.
Per misurare il livello di dotazione la distinzione tra istituti di cura pubblici e
privati non è mantenuta in quanto l’offerta di servizi pubblici e privati
accreditati7 può considerarsi sostituibile.
Nella misura dell’efficienza, invece, gli indicatori sono calcolati separatamente
per gli istituti di cura pubblici e quelli privati, in quanto le modalità
organizzative e di utilizzo delle strutture sono diversificate. Inoltre in termini
di posti letto, il servizio privato rappresenta una quota bassa del totale, tale
da rendere necessaria l’introduzione di una ponderazione. Per misurare
l’efficienza delle strutture ospedaliere si propone quindi, di calcolare
separatamente indici per il pubblico e il privato, e sintetizzarli mediante
media aritmetica ponderata.
Per la misura della dotazione infrastrutturale, il set di indicatori provvisorio è
il seguente:
posti letto ordinari negli istituti di cura pubblici e privati per 1.000
abitanti;
posti letto ordinari per rianimazione e terapia intensiva negli istituti di
cura pubblici e privati per 100.000 abitanti;
posti letto ordinari nei reparti di medicina generale negli istituti di cura
pubblici e privati per 10.000 abitanti;
ecotomografi negli istituti di cura pubblici e privati per 100.000
abitanti;
tac negli istituti di cura pubblici e privati per 100.000 abitanti;
medici negli istituti di cura pubblici e privati per 10.000 abitanti;
personale sanitario ausiliario negli istituti di cura pubblici e privati per
10.000 abitanti;
7
Gli istituti privati sono distinti tra privati non accreditati e privati accreditati; i posti letto degli istituti
privati accreditati sono a livello nazionale circa il 90% del totale dei privati.
8
Informazione statistica territoriale e settoriale per le politiche strutturali 2001-08
L’analisi in componenti principali condotta, con finalità esplorative, sul set di
dotazione, mostra il disporsi di tutti gli indicatori lungo il primo asse
fattoriale, che rappresenta il 61% dell’inerzia complessiva. Ciò farebbe
escludere, sotto l’ipotesi di linearità, la presenza di variabili latenti.
Gli indicatori di offerta relativi alle altre aree di specializzazione ospedaliera
(ostetricia, pediatria, etc) non sono inclusi per evitare effetti distorcenti
dovuti all’esistenza di zone a “vocazione”.
Per le misure di efficienza delle infrastrutture gli indicatori considerati nella
presente sperimentazione sono:
medici negli istituti di cura pubblici per 100 posti letto;
personale sanitario ausiliario negli istituti di cura pubblici 100 posti
letto;
tasso di utilizzo per 100 posti letto degli istituti di cura pubblici;
indice di rotazione negli istituti di cura pubblici
medici negli istituti di cura privati per 100 posti letto;
personale sanitario ausiliario negli istituti di cura privati per 100 posti
letto;
tasso di utilizzo8 per 100 posti letto degli istituti di cura privati;
indice di rotazione9 negli istituti di cura privati.
Alcuni indicatori (posti letto disponibili per day hospital negli istituiti di cura
pubblici per 100.000 abitanti, numero di apparecchiature di risonanza
magnetica negli istituiti di cura pubblici e privati per 100.000 abitanti, %
istituti pubblici con pronto soccorso; % istituti privati con pronto soccorso; %
posti letto disponibili in day hospital negli istituti di cura pubblici; % posti
letto disponibili in day hospital negli istituti di cura privati, % di migrazioni
verso altra provincia) senz’altro significativi da un punto di vista concettuale,
sono oggetto di ulteriori analisi per un eventuale inserimento nella sintesi.
Si tratta di decidere, per la scelta del set di indicatori definitivo, se
privilegiare aspetti concettuali oppure quelli prettamente statistici.
Gli aspetti “qualitativi”, espressione di efficienza delle infrastrutture, erano
inizialmente10 rappresentati da due dimensioni di processo e risultato,
rispettivamente definite come modalità organizzative e raggiungimento degli
obiettivi.
Le difficoltà di rappresentazione e la non univocità di definizione di processo
e risultato nei diversi settori di attività economica, suggeriscono la riduzione
delle due dimensioni, ad una sola, intesa come espressione di “efficienza” e
“qualità” delle infrastrutture. La formazione di una unica dimensione è
8
Il tasso di utilizzo per 100 posti letto è il rapporto tra le giornate di degenza effettive e le giornate di
degenza potenziali moltiplicato per 100. Le giornate di degenza potenziali sono calcolate moltiplicando
il numero di posti letto per i giorni dell’anno in cui il reparto è stato attivo. Esso esprime in percentuale
l’effettiva occupazione dei posti letto rispetto alla dotazione disponibile
9
L’indice di rotazione è il rapporto tra il numero di degenze ed i posti letto, ed esprime il numero di
pazienti che mediamente occupano lo stesso posto letto nell’arco dell’anno.
10
C.Brunini, A. Messina, F. Paradisi, L'infrastrutturazione delle province italiane: metodi e
sperimentazioni, VI Conferenza Nazionale di Statistica, Roma 2002
9
Informazione statistica territoriale e settoriale per le politiche strutturali 2001-08
suggerita anche dall’analisi in componenti principali condotta sull’intero set di
indicatori del settore assistenza ospedaliera: gli indicatori di dotazione si
dispongono su di un solo asse fattoriale (il secondo), mentre quelli di
processo e di risultato, al netto dell’effetto della variabile latente “natura
giuridica” delle strutture, si collocano sullo stesso asse.
Carta 1
Province.shp
< 75
75 - 100
100 - 125
> 125
Carta 2
Province.shp
< 75
75 - 100
100 - 125
> 125
Carta 3
Province.shp
< 75
75- 100
100- 125
> 125
Carta 1: Indice di dotazione infrastrutturale settore assistenza ospedaliera anno 2001 –
metodo media aritmetica
Carta 2: Indice di dotazione infrastrutturale settore assistenza ospedaliera anno 2001 –
metodo media aritmetica – variabilità cardianale
Carta 3: Indice di dotazione infrastrutturale settore assistenza ospedaliera anno 2001 –
metodo media aritmetica– variabilità ordinale
Le cartografie relative alla dotazione evidenziano una marcata
differenziazione territoriale nella dotazione dei servizi ospedalieri, con l’usuale
distinzione Nord - Sud. Nella carta 1 (metodo della media aritmetica), tutte le
province del Nord si collocano nelle tre classi superiori ad eccezione di Biella,
Pistoia e Prato; tutte le province del Sud appartengono alle prime due classi,
escluse Cosenza, Catanzaro, Isernia, L’Aquila. L’applicazione del metodo
“media aritmetica – variabilità” (carta 2 e carta 3) non modifica
sostanzialmente la situazione essendo poche le province che passano ad una
classe inferiore. L’applicazione del metodo, basata su una “penalizzazione”
delle provincie con elevata variabilità tra gli indicatori o tra i ranghi, produce
indici con valore più basso come evidenziano i colori più chiari delle carte 2 e
3. Le province che si mantengono nella stessa classe, sono quelle che
presentano essenziale equilibrio negli indici di dotazione.
10
Informazione statistica territoriale e settoriale per le politiche strutturali 2001-08
Carta 4
Province.shp
< 75
75 - 100
100 - 125
> 125
Carta 5
Province.shp
< 75
75 - 100
100 - 125
Carta 6
Province.shp
< 75
75 - 100
100 - 125
Carta 4: Indice di efficienza dei servizi infrastrutturali settore assistenza ospedaliera anno
2001 – metodo media aritmetica
Carta 5: Indice di efficienza dei servizi infrastrutturali settore assistenza ospedaliera anno
2001 – metodo media aritmetica – variabilità cardianale
Carta 6: Indice di efficienza dei servizi infrastrutturali settore assistenza ospedaliera anno
2001 – metodo media aritmetica– variabilità ordinale
Le carte relative all’efficienza dei servizi ospedalieri, evidenziano una
rilevante omogeneità territoriale; nella carta 4 (media aritmetica) le provincie
sono quasi equiripartite tra le due classi centrali (classi con valori nell’intorno
della media italia). L’applicazione del metodo provoca uno slittamento di
numerose province dalla terza alla seconda classe che rileva elevata
variabilità negli indici di efficienza.
5. Sviluppi futuri
Ulteriori passi essenziali, al fine di elaborare indici sintetici definitivi di
infrastrutturazione, sono:
la condivisione del set di indicatori selezionato con esperti di settore;
scelta del metodo di sintesi;
definizione di un indice di accessibilità da applicare alle infrastrutture
puntuali;
realizzazione di un software, da diffondere su supporto informatico,
per l’interrogazione della banca dati.
11
Informazione statistica territoriale e settoriale per le politiche strutturali 2001-08
Riferimenti bibliografici
Albani M. (1994) Su alcune procedure alternative di ordinamento di dati
pluridimensionali con un’applicazione alle province italiane, Quaderni, serie E
del Dipartimento di Statistica dell’Università degli Studi di Roma “La
Sapienza”, N. 16.
Amal Kanti Ray (1989) On the measurement of certain aspects of social
developement, Social Indicators Research, Vol. 21.
Aureli Cutillo E. (1996) Lezioni di statistica sociale, parte seconda, Sintesi e
graduatorie, C.I.S.U., Roma .
Barbieri G. (1998) Alcuni aspetti della domanda e dell’offerta di infrastrutture
e servizi, Rapporto sull’economia del mezzogiorno, Svimez, Il Mulino.
Barnet V. (1976) The ordering of multivariate data (with discussion),
J.R.S.S., Series A, Vol.139, Part 3, London.
Biehl D. (1992) The contribution of infrastructure to regionale development,
Commission of the european communities, Infrastructures study group,
Bruxelles.
Biehl D., Bracalente B., Di Palma M., Mazziotta C. (1990) La diffusione
territoriale delle infrastrutture: un’analisi per l’Europa e per l’Italia, in Centro
studi confindustria, Progetto infrastrutture Le infrastrutture a rete, Sipi
editore Roma.
Bolasco S., Coppi R. (1983) Analisi dei dati e sue applicazioni nella ricerca
economica, Università degli Studi di Roma “La Sapienza”, Istituto di Statistica
e Ricerca Sociale, Roma.
Cagiano De Azevedo R. (1982) Una variante dell’analisi tassonomica di
Wroclaw in termini di componenti principali, Quaderni dell’Istituto di
Statistica N. 9 Università degli Studi di Roma.
Consiglio Nazionale dell’Economia e del Lavoro (Maggio 1999) Indicatori di
disuguaglianza socio - economica: similitudini e differenze tra regioni
meridionali e centro-nord, Roma
Consiglio Nazionale dell’Economia e del Lavoro (26 Aprile 2001) Dossier sul
monitoraggio della dotazione infrastrutturale, Roma
Crescimanni A. (1979) La costruzione di graduatorie e la teoria delle scelte,
Rivista Economica del Monte Paschi di Siena, N. 1.
De Azevedo R. Cagiano (1982) Una variante all’analisi tassonomica di
Wroclaw in termini di componenti principali, Quaderni dell’ Istituto di
Statistica, Roma.
Di Palma M., Mazziotta C., Rosa G. (1999) Infrastrutture e sviluppo,
Indicatori quantitativi a confronto, Nel Sud per competere, a cura di A.
D’Amato e G. Rosa, Editori Laterza, Roma.
D’Ambra L. Lauro N. (Gennaio - Febbraio - Marzo 1982) Analisi in componenti
principali in rapporto a un sottospazio di riferimento, Rivista di Statistica
Applicata , Vol. 15, N. 1.
Ecoter (Novembre 2000) La dotazione infrastrutturale nelle province italiane,
aggiornamento al 1997, Confindustria N. 33.
12
Informazione statistica territoriale e settoriale per le politiche strutturali 2001-08
Ecoter
(Novembre 2000) Analisi della dotazione di infrastrutture nei
principali paesi europei, Confindustria N. 34.
Erba A., Mazziotta C. (14 Novembre 1996) Definizione di aree e di indicatori
per la misurazione della dotazione di infrastrutture, Convegno per il
decennale dell’Istituto Guglielmo Tagliacarne, Roma.
Fergany N. (1994) Quality of Life Indices for Arab Countries in an
International Context, International Statistical Review, Vol. 62, N.2.
Ferrovie dello Stato Analisi delle infrastrutture e dei servizi di trasporto, a
cura di Radicioni M. (1999) in collaborazione con Tramonti I. .
Greco L. (1983) Sulle proprietà delle componenti principali come metodo per
la sintesi delle informazioni, Statistica Anno XLIII, N. 1.
Istat, (2002) Strutture e attività degli istituti di cura - anno 1999 , Collana
Informazioni.
Istat, (2001) Sistema Sanitario e salute della popolazione. Indicatori regionali
- anno 1999 , Collana Informazioni.
Istat (2001) Progetto interarea “Sistemi informativi per le politiche territoriali”
sotto-progetto “Indicatori per la valutazione della dotazione, delle
performance e delle politiche delle infrastrutture”.
Istat (2002) Progetto interdipartimentale “Informazione statistica territoriale
e settoriale per le polituche strutturali 2001-2008” Azione D – Attività D4 –
Banca dati Infrastrutture.
Istat (2001) Rapporto Annuale – La situazione del Paese nel 2000.
Istituto Guglielmo Tagliacarne, Unioncamere (1998) Statistica e territorio,
Esperienze e nuove percorsi di ricerca per l’analisi delle economie locali,
Franco Angeli, Milano.
Istituto Guglielmo Tagliacarne, Unioncamere (Ottobre 2001) La dotazione di
infrastrutture nelle province italiane 1997-2000.
Kendal M., Gibbons J.D. (1990) Rank correlation methods, (chapter 1, the
measurement of rank correlation – chapter 6, the problem of m ranking),
Griffin, Fifth edition, Oxford University Press.
Leti G. (1982) Distanze e indici statistici, La Goliardica editrice, Roma.
Leti G. (1983) Statistica descrittiva, Il Mulino, Bologna.
Mazziotta C. (1991) Procedure statistiche per la definizione di indicatori
territoriali di dotazione infrastrutturale, XII Conferenza italiana di scienze
regionali, Taormina.
Mazziotta C., Cacciamani A. Dotazione infrastrutturale e sviluppo regionale in
Europa: alcuni riscontri quantitativi, XXI Conferenza italiana di scienze
regionali, Palermo.
Mazziotta C., Cerbara L. (1996) Il metodo dei ricoprimenti sfocati:
un’applicazione su indicatori territoriali di dotazione infrastrutturale, Quaderni
di discussione 11, a cura di Quintano C., Rocco Curto Editore.
Merlini A. (1988) La classificazione dei comuni rurali e urbani secondo il
censimento 1981, Rivista Italiana di Economia, Demografia e Statistica, N.1-2
Quirino P., Rosa G. (Maggio 2000) Indici di sviluppo delle province italiane,
Confindustria N. 29.
13
Informazione statistica territoriale e settoriale per le politiche strutturali 2001-08
Rizzi A. Un metodo di graduazione di più unità statistiche, in Rivista di
Statistica applicata, Volume 21 N. 1.
Vitali O., Merlini A. (Aprile - Giugno 1999) La qualità della vita : Metodi e
verifiche, in Rivista Italiana di Economia Demografia e Statistica, Volume LIII
N.2.
Zani S. (2000) Analisi dei dati statistici, Giuffrè, Milano
14
