Le componenti principali pesate geograficamente per la definizione di indicatori compositi locali

Il presente lavoro analizza il problema della costruzione degli indicatori compositi a livello locale. Gli indicatori rappresentano sempre più un valido strumento di ausilio per la definizione di interventi adeguati di policy che siano basati su un'effettiva analisi della realtà. Un indicatore composito misura concetti multidimensionali che sono difficili da comprendere attraverso l'analisi di una molteplicità di indicatori semplici. Il problema della sintesi degli indicatori semplici è un argomento spesso dibattuto nella letteratura specialistica. La tecnica statistica dell'analisi in componenti principali è uno strumento frequentemente utilizzato per risolvere tale problema. In generale, quando l'unità statistica di osservazione è geo-riferita, la versione classica dell'analisi in componenti principali risulta non adeguata per la sintesi di indicatori semplici. Infatti, usando l'analisi in componenti principali standard, vengono trascurati alcuni effetti spaziali che caratterizzano in modo cruciale le un

ità che si distribuiscono sul territorio. In particolare, possono essere considerati gli effetti di eterogeneità e dipendenza spaziale. In questo articolo, gli autori applicano una tecnica di analisi in componenti principali pesata geograficamente che è stata introdotta recentemente in letteratura. Tale tecnica tiene in debita considerazione l'effetto di eterogeneità spaziale. La metodologia è utilizzata al fine della definizione di indicatori compositi di benessere a livello locale. In particolare, il caso di studio riguarda le 110 province italiane per l'anno 2011. I risultati evidenziano come l'eterogeneità spaziale non possa essere ignorata quando si analizzano dati rilevati su unità territoriali, e pertanto, l'utilizzo del¬l'analisi in componenti principali modificata spazialmente risulta più adeguata per lo studio del fenomeno sotto investigazione.

The paper investigates the problem of the definition and the construction of composite indicators. The indicators are increasingly a valuable tool to assist people for the definition of appropriate policy that is based on effective analysis of real-world. Principal component analysis is often used to define composite indicators. Unfortunately, when dealing with spatial units, this technique is not appropriate, since it does not consider the spatial effects, namely spatial heterogeneity and dependence that are inherent characteristics in spatial data. To overcome this problem, the authors use a modified version of principal component analysis that has recently been introduced in literature and that explicitly considers the spatial heterogeneity effect. This method is denoted as geographically weighted principal component analysis. The method is applied for the definition of well-being composite indicators at local level for 110 Italian provinces. The analysis is performed for 2011. The empirical evidence sho

ws that the multidimensional concept of well-being is differentiated at local level, supporting the extent of spatial heterogeneity. Therefore, the obtained results support the use of the geographically weighted principal component analysis as more suitable method for handling spatial data.