1. Dimensions of well-being and their
statistical measurements
Carla Ferrara
Francesca Martella
Maurizio Vichi
Dipartimento di Scienze Statistiche
Prendere decisioni: il ruolo della statistica per la conoscenza e la governance
20 Aprile 2012
2. Outline
Introduzione
Costruzione Indicatori Compositi
Metodi di aggregazione e ponderazione
PCA stepwise
PCA restricted
DPCA model
Modelli ad equazioni strutturali
approccio Partial Least Squares (PLS path model)
Risultati
Conclusioni
Bibliografia
2
3. How’s life?
Measuring well-being
Benessere Soddisfazione della vita
individuale
Livello di istruzione
Tasso di Istruzione Capacità cognitive
degli studenti
occupazione
Tasso di
Lavoro Benessere
disoccupazione Inquinamento
Qualità
di lungo termine
•Benessere materiale atmosferico
dell’ambiente
Numero di stanze
per persona
Condizioni •Qualità della vita Aspettativa di vita alla
nascita
Abitazioni senza abitative Status di salute Autovalutazione della
servizi base
salute
Impegno civile Consultazione pubblica
Reddito netto sul processo legislativo
disponibile rettificato Reddito e Ricchezza e politica Partecipazione
pro capite elettorale
Ricchezza finanziaria
netta pro-capite Tasso di omicidi
Sicurezza personale Tasso di violenza
Qualità sostegno
Relazioni sociale
sociali Lavoratori con orario
molto lunghi
Tempo dedicato al tempo
Equilibrio tra libero e la cura personale
Tasso di occupazione
lavoro e vita delle donne con bambini
in età scuola dell'obbligo
4. Outline
Introduzione
Costruzione Indicatori Compositi
Metodi di aggregazione e ponderazione
PCA stepwise
PCA restricted
DPCA model
Modelli ad equazioni strutturali
approccio Partial Least Squares (PLS path model)
Risultati
Conclusioni
Bibliografia
4
5. Costruzione di indicatori compositi
Nardo M., Saisana M., Saltelli A. and Tarantola S. (EC/JRC), Hoffman A. and Giovannini E. (OECD), (2008) Handbook On
Constructing Composite Indicators: Methodology And User Guide, OECD Statistics Working Paper JT00188147
1.definizione della struttura teorica di riferimento
2. selezione delle variabili
3. imputazione dei dati mancanti
4. normalizzazione
5. analisi multivariata
6. ponderazione ed aggregazione
7. analisi di sensitività e di incertezza
8. di nuovo ai dati
9. collegamenti ad altri indicatori e misure esistenti
10. visualizzazione dei risultati
5
6. Outline
Introduzione
Costruzione Indicatori Compositi
Metodi di aggregazione e ponderazione
PCA stepwise
PCA restricted
DPCA model
Modelli ad equazioni strutturali
approccio Partial Least Squares (PLS path model)
Risultati
Conclusioni
Bibliografia
6
10. Disjoint PCA model (DPCA)
Vichi, M., Saporta, G.: Clustering and Disjoint Principal Component. Computational Statistics & Data Analysis, vol. 53, 8, pp. 3194-3208 (2009)
X YA' E (1)
J
a2
jq 1 q 1,...,Q (2)
j 1
J
(a jq a jr ) 2 0 q 1,...,Q 1; r q 1,...,Q (3)
j 1
• E la matrice di errore
• Y=XA
A BV (4)
• V = [vjq] matrice binaria di classificazione per le J variabili in Q gruppi
• B matrice diagonale dei pesi
Q
con J J
v jq b 2
j 1 v jq b 2
j Q (5)
j 1 q 1 j 1
10
11. Outline
Introduzione
Costruzione Indicatori Compositi
Metodi di aggregazione e ponderazione
PCA stepwise
PCA restricted
DPCA model
Modelli ad equazioni strutturali
approccio Partial Least Squares (PLS path model)
Risultati
Conclusioni
Bibliografia
11
12. Modello ad equazioni strutturali con approccio PLS
Modello di misurazione (modello esterno)
x jq jq q jq j 1,...,J q ; q 1,...,Q
q variabile latente E( q ) 0, q
1
jq peso fattoriale Metodo riflessivo
jq variabile errore E( jq ) 0, E( jq , q ) 0
Metodo
Jq
MIMIC
q w jq x jq q
j 1 Metodo formativo
q variabile errore E( q ) 0, E( q , x jq ) 0
w jq peso fattoriale
Modello strutturale (modello interno)
L
q jl l q
l 1
ql path coefficient che lega l' l - esima VL alla j - esima VL endogena
q variabile errore E( q ) 0, E( q , q ) 0
L numero di VL esplicative 12
13. Algoritmo PLS-Path
Jq
vq w jq x jq
j 1
Stima
Passo esterna
Iniziale wjq
zq eq 'q 'vq ' Stima
q ': e' connesso con interna
q' q
Reitera fino a
convergenza
Modo A: wjq =cov(xjq,zq) Scelta dei pesi eq’q’
Modo B: wjq =(X’q Xq)-1X’q zq • Centroidi: segno di correlazione
• Fattoriale: correlazione
Aggiornamento • Strutturale:coefficiente regressione
dei pesi w multipla o correlazione
13
14. Outline
Introduzione
Costruzione Indicatori Compositi
Metodi di aggregazione e ponderazione
PCA stepwise
PCA restricted
DPCA model
Modelli ad equazioni strutturali
approccio Partial Least Squares (PLS path model)
Risultati
Conclusioni
Bibliografia
14
15. Risultati metodi di aggregazione e ponderazione su
Organization European Cooperation Development
PCA stepwise PCA restricted DPCA
Variabile latente Variabili manifeste Variabile latente Variabili manifeste Variabile latente Variabili manifeste
η6 Benessere PIL η6 Benessere PIL η6 Benessere PIL
Rooms per person Rooms per person Rooms per person
Dwelling without basic facilities Dwelling without basic facilities Household disposable income
Household disposable income
Household disposable income Soddisfazione Household financial wealth
Employment rate Soddisfazione
Soddisfazione Household financial wealth η1 Quality of support network
Quality of support network η1
η1 Quality of support network Life expectancy
Air pollution
Life expectancy Self reported health
Life expectancy
Self reported health Life Satisfaction
Self reported health
Life Satisfaction Life Satisfaction Educational attainment
Educational attainment Relazioni sociali Students reading skills Students reading skills
Relazioni sociali
η2 Homicide rate η2
Relazioni sociali Students reading skills Homicide rate
η2 Consultation on rule making Assault rate Assault rate
Homicide rate Employment rate Air pollution
Lavoro
Assault rate η3 Educational attainment Employment rate
Employment rate of women Lavoro
Household financial wealth Employment rate of women with
Lavoro with children η3
Long term unemployment rate children
η3 Long term unemployment rate Long term unemployment rate
Employment rate of women with
children Equilibrio lavoro-vita Air pollution Dwelling without basic facilities
Employees working very long Equilibrio lavoro-vita
η4
Equilibrio lavoro-vita Time devoted to leisure and personal η4 Employees working very long hours
hours
η4 care Time devoted to leisure and personal
Time devoted to leisure and
care
Employees working very long hours personal care
Partecipazione Partecipazione Consultation on rule making
Partecipazione Consultation on rule making
politica politica politica 15
η5 Voter turnout η5 Voter turnout
η5 Voter turnout
17. Risultati algoritmo PLS-PM con PCA stepwise 1
0,229
5,474
2,797
Com 0,530
Com 0,429
0,782
0,168
-0,595 0,321
-0,062
-0,053
0,280
-0,100
1,000
-0,652 Com 1,000
1,561
0,190 1,475
Com 0,738
Com 0,485 17
18. Risultati algoritmo PLS-PM con PCA stepwise 2
Comunalità
Variabile latente Variabili manifeste Comunalità media
Benessere PIL
Rooms per person 0,596
Dwelling without basic facilities 0,619
Household disposable income 0,814
Employment rate 0,678
Soddisfazione Quality of support network 0,489 0,530
Air pollution 0,323
Life expectancy 0,642
Self reported health 0,212
Life Satisfaction 0,401
Educational attainment 0,264
Students reading skills 0,682
Relazioni sociali Consultation on rule making 0,009 0,429
Homicide rate 0,701
Assault rate 0,491
Household financial wealth 0,756
Lavoro Long term unemployment rate 0,431 0,485
Employment rate of women with children 0,270
Time devoted to leisure and personal care 0,741
Equilibrio lavoro-vita 0,738
Employees working very long hours 0,735
Partecipazione politica Voter turnout
18
19. Risultati algoritmo PLS-PM con PCA stepwise 3
NAZIONI WBI
Switzerland 1,161704
United States 0,876097
Norway 0,857149
1,5
United Kingdom 0,839643
Canada 0,713687
Sweden 0,69282
1
Germany 0,671737
Iceland 0,662526
Luxembourg 0,622522
Netherlands 0,508621 0,5
Austria 0,505374
Australia 0,456621
France 0,426822 0
Slovak Republic
Czech Republic
United Kingdom
United States
Denmark 0,364568
Netherlands
Switzerland
New Zealand
Luxembourg
Australia
Portugal
Slovenia
Austria
Estonia
Finland
Iceland
Hungary
Ireland
Germany
Belgium
Finland 0,310846
Denmark
Turkey
Canada
Poland
Israel
France
Mexico
Norway
Greece
Sweden
Italy
Chile
Japan
Spain
Korea
Japan 0,238204 -0,5
Portugal 0,168389
Belgium 0,139855
Ireland 0,128794 -1
Italy 0,03739
Spain 0,034799
New Zealand -0,04364 -1,5
Slovenia -0,09936
Greece -0,28085
Czech Republic -0,36217 -2
Korea -0,53012
Israel -0,53268
Slovak Republic -0,61669 -2,5
Mexico -0,92889
Estonia -0,98405
Poland -1,04002
Hungary -1,1308
Chile -1,49842 19
Turkey -2,37048
20. Risultati algoritmo PLS-PM con PCA restricted 1
-0,029
2,298
0,140 Com 0,742
4,971 0,726
Com 0,543
-0,113
0,455 -0,620
0,275
-0,278
0,250
0,130
Com 0,371 1,259
- 0,267
0,538
1,435
2,155
Com 0,315 Com 0,414
20
21. Risultati algoritmo PLS-PM con PCA restricted 2
Comunalità
Variabile latente Variabili manifeste Comunalità media
Benessere PIL
Rooms per person 0,725
Dwelling without basic facilities 0,572
Household disposable income 0,840
Household financial wealth 0,203
Soddisfazione 0,543
Quality of support network 0,604
Life expectancy 0,562
Self reported health 0,326
Life Satisfaction 0,511
Students reading skills 0,722
Relazioni sociali Homicide rate 0,793 0,742
Assault rate 0,711
Employment rate 0,770
Lavoro Educational attainment 0,243 0,414
Employment rate of women with children 0,228
Long term unemployment rate 0,203
Air pollution 0,509
Equilibrio lavoro-vita 0,315
Employees working very long hours 0,282
Time devoted to leisure and personal care 0,267
Consultation on rule making 0,326
Partecipazione politica 0,371
Voter turnout 0,416
21
22. Risultati algoritmo PLS-PM con PCA restricted 3
NAZIONI WBI
Norway 1,417926
Luxembourg 1,274348
Germany 1,052871
1,5
Canada 0,894331
France 0,877421
Switzerland 0,835375
1
Austria 0,613851
Iceland 0,559367
Sweden 0,553531
Netherlands 0,551532 0,5
Denmark 0,546283
United States 0,528344
Finland 0,524853 0
Slovak Republic
Czech Republic
United Kingdom
United States
United Kingdom 0,501482
Netherlands
Switzerland
New Zealand
Luxembourg
Australia
Portugal
Slovenia
Ireland 0,45361
Belgium
Denmark
Estonia
Finland
Ireland
Hungary
Germany
Iceland
Austria
France
Greece
Canada
Poland
Israel
Norway
Sweden
Mexico
Turkey
Chile
Korea
Spain
Italy
Japan
Australia 0,435613 -0,5
Belgium 0,290586
Japan 0,088262
New Zealand -0,01435 -1
Spain -0,13251
Israel -0,16146
Italy -0,20818 -1,5
Czech Republic -0,4122
Greece -0,49283
Portugal -0,515 -2
Slovenia -0,57602
Slovak Republic -0,59102
Estonia -0,70148 -2,5
Korea -0,98973
Poland -1,06195
Mexico -1,09372
Hungary -1,19512
Chile -1,57617
Turkey -2,27783 22
23. Risultati algoritmo PLS-PM con DPCA 1
-0,203
4,3342
2,8640
0,812 0,023
Com 0,470 Com 0,510
0,494
0,046 -0,601 -0,113
-0,279
0,332 -0,109
-0,051
1,2217
Com 0,429
1,9967
2,1061
Com 0,315 0,466
Com 0,557
23
24. Risultati algoritmo PLS-PM con DPCA 2
Comunalità
Variabile latente Variabili manifeste Comunalità media
Benessere PIL
Rooms per person 0,574
Household disposable income 0,813
Household financial wealth 0,182
Soddisfazione Quality of support network 0,609 0,470
Life expectancy 0,547
Self reported health 0,217
Life Satisfaction 0,350
Educational attainment 0,166
Students reading skills 0,458
Relazioni sociali Homicide rate 0,706 0,510
Assault rate 0,559
Air pollution 0,659
Employment rate 0,715
Lavoro Employment rate of women with children 0,188 0,315
Long term unemployment rate 0,042
Dwelling without basic facilities 0,970
Equilibrio lavoro-vita Employees working very long hours 0,392 0,557
Time devoted to leisure and personal care 0,311
Consultation on rule making 0,832
Partecipazione politica 0,429
Voter turnout 0,026
24
25. Risultati algoritmo PLS-PM con DPCA 3
NAZIONI WBI
Norway 0,941121 1
Germany 0,915963
France 0,888925
Iceland 0,740283
United States 0,738316
Austria 0,731521 0,5
Spain 0,671426
Australia 0,636585
Luxembourg 0,625698
Japan 0,575601
0
Ireland 0,547663
Slovak Republic
United Kingdom
Czech Republic
United States
Sweden 0,511969
Netherlands
Switzerland
New Zealand
Luxembourg
Australia
Portugal
Slovenia
Finland
Hungary
Estonia
Ireland
Iceland
Austria
Germany
Belgium
Denmark
Canada
France
Israel
Poland
Norway
Mexico
Turkey
Greece
Sweden
Canada 0,388761
Japan
Italy
Chile
Korea
Spain
United Kingdom 0,386035
Netherlands 0,362838
-0,5
Finland 0,333304
Switzerland 0,315575
Belgium 0,250208
Denmark 0,209716
Italy -0,01317 -1
Greece -0,11441
New Zealand -0,13901
Slovenia -0,17993
Portugal -0,26147
Israel -0,3465 -1,5
Slovak Republic -0,50451
Czech Republic -0,64144
Poland -0,77819
Hungary -0,86863
Estonia -0,91615 -2
Korea -1,10619
Chile -1,41826
Mexico -1,5094 25
Turkey -1,97425
26. 0
5
10
15
20
25
30
35
Norway
PCArOECD
PCAs-PCAr
PCAr-DPCA
PCAs-DPCA
PCAs-OECD
DPCA-OECD
Canada
Rho di Spearman
United States
0,70
0,82
0,87
0,82
0,83
0,91
Germany
Sweden
Luxembourg
Iceland
Switzerland
Australia
Austria
France
Netherlands
United Kingdom
Denmark
PCA stepwise
Finland
Ireland
Japan
New Zealand
PCA restricted
Belgium
Spain
DPCA
Italy
Israel
OECD
Slovenia
Greece
Portugal
Czech Republic
Confronto fra le Graduatorie
Slovak Republic
Korea
Poland
Estonia
Hungary
Mexico
Chile
Turkey
26
28. Outline
Introduzione
Costruzione Indicatori Compositi
Metodi di aggregazione e ponderazione
PCA stepwise
PCA restricted
DPCA model
Modelli ad equazioni strutturali
approccio Partial Least Squares (PLS path model)
Risultati
Conclusioni
Bibliografia
28
29. Conclusioni e Ricerche future
L’utilizzo dei modelli di equazioni strutturali, appare particolarmente appropriato in
questa sede
• studiare simultaneamente le relazioni tra le diverse dimensioni del benessere
osservate (variabili esplicative), le dimensioni economiche (variabili risposta) ed
restanti indicatori latenti di benessere
OSSERVAZIONE: l’approccio utilizzato è di tipo confermativo
PROSSIMI SVILUPPI:
• approccio esplorativo: identificazione delle variabili correlate con i fattori e del
numero di fattori latenti necessari per meglio evidenziare e le possibili relazioni
causali.
29
30. Outline
Introduzione
Costruzione Indicatori Compositi
Metodi di aggregazione e ponderazione
PCA stepwise
PCA restricted
DPCA model
Modelli ad equazioni strutturali
approccio Partial Least Squares (PLS path model)
Risultati
Conclusioni
Bibliografia
30
31. Bibliografia
• Bollen, K. A.: Structural equations with latent variables, Wiley, New York (1989)
• Hall, J., Giovannini, E., Morrone, A. and Ranuzzi, G.: "A Framework to Measure the Progress
of Societies", OECD Statistics Working Papers, No. 2010/05, OECD, Paris (2010)
• Jöreskog, K.: A general method for analysis of covariance structure, Biometrika, 57, 239-251
(1970)
• OECD, How's Life?: Measuring well-being, OECD Publishing (2011)
• OECD, Compendium of OECD well-being indicators, OECD Publishing, Paris (2011a)
• Retherford, R., Choe, M.K.: Statistical models for causal analysis, Wiley-Interscience
Pubblication (1993)
• Saisana, M., Tarantola, S.: State-of-the-art Report on Current Methodologies and Practices for
Composite Indicator Development, EUR 20408 EN, European Commission-JRC (2002)
• Tenenhaus, M., Esposito Vinzi, V., Chatelin, Y.M., Lauro, C.: PLS path modeling, Computational
Statistics and Data Analysis, 48, 159-205 (2005)
• Thurstone, L.L.: Multiple-Factor Analysis. Chicago: University of Chicago Press (1947)
• Vichi, M., Saporta, G.: Clustering and Disjoint Principal Component. Computational Statistics
& Data Analysis, vol. 53, 8, pp. 3194-3208 (2009)
31