Sessione III Integrazione e uso di dati amministrativi per fini statistici

1. GIORNATE DELLA RICERCA IN ISTAT | 10-11 NOVEMBRE 2014
SESSIONE III
INTEGRAZIONE E USO DEI DATI AMMINISTRATIVI
PER FINI STATISTICI
Un’analisi multilivello dell’errore di copertura
delle anagrafi comunali nel XV Censimento
della Popolazione e delle Abitazioni
Relatore: Alessandra Ronconi
Luca Mancini, Simona Toti e Alessandra Ronconi

2. Indice
1. Introduzione
2. Obiettivi
3. I dati
4. Le variabili
5. I modelli multilivello per la sovra e sottocopertura
6. I risultati
7. La ricostruzione del dato censuario
8. L’errore di copertura stimato vs quello osservato
9. Conclusioni
10. Criticità
Un'analisi multilivello dell'errore di copertura, Alessandra Ronconi – 10 Novembre 2014

3. Introduzione
• L’Italia, come numerosi altri paesi europei, dispone di registri di
popolazione regolarmente aggiornati
• Ciascun comune italiano gestisce l’anagrafe della popolazione
residente conosciuta come lista anagrafica comunale o LAC.
Le LAC hanno avuto un ruolo importante nell’ultima tornata censuaria
• Il confronto censimento-anagrafe ha evidenziato la presenza, per
ciascun comune, di una popolazione abitualmente dimorante non
presente nei registri anagrafici (sottocopertura delle LAC) e di una
popolazione iscritta in anagrafe ma irreperibile al censimento
(sovracopertura delle LAC).
Un'analisi multilivello dell'errore di copertura, Alessandra Ronconi – 10 Novembre 2014

4. Obiettivi
• Individuare le determinanti dell’errore di copertura delle LAC,
definito come scostamento tra la popolazione anagraficamente
residente e la popolazione obiettivo del censimento 2011, in un dato
comune.
• Riprodurre la popolazione obiettivo del censimento a partire da
quella anagrafica mediante modelli cattura-ricattura dove gli individui
sono “catturati” la prima volta dalla LAC e la seconda dal censimento
(Wolter, 1986).
Un'analisi multilivello dell'errore di copertura, Alessandra Ronconi – 10 Novembre 2014

5. I dati
• L’analisi è stata condotta sui comuni italiani considerando tre gruppi
dimensionali: 1.001-5.000 abitanti, 5.001-10.000 abitanti e 10.001-
50.000 abitanti.
• Per ognuna delle tre classi, è stato estratto, dai dati del censimento
2011, un campione casuale a due stadi, con i comuni come unità di
primo stadio e gli individui, selezionati con probabilità proporzionale
alla dimensione della LAC comunale, come unità di secondo stadio.
Un'analisi multilivello dell'errore di copertura, Alessandra Ronconi – 10 Novembre 2014

6. Le variabili
Fattori che determinano l’errore di copertura delle LAC:
• Le scelte individuali
• Le caratteristiche del luogo di residenza/dimora abituale
• La qualità dei registri anagrafici
Un'analisi multilivello dell'errore di copertura, Alessandra Ronconi – 10 Novembre 2014

7. Le variabili
Tab.1 Descrizione delle variabili
Variabile Modalità e descrizione
sotto/sovracopertura 1 se l’individuo è sotto/sovracoperto, 0 altrimenti
sesso 1 femmina, 0 maschio
cittad 1 straniero, 0 italiano
monocomponente 1 individuo in famiglia monocomponente, 0 altrimenti
eta_i 1 individuo nella classe i, 0 altrimenti; i=0-18, 19-40, 41-70, 71+
distanza Distanza euclidea (km) del comune dal capoluogo di regione
lac Numero di individui iscritti nella LAC del comune
t_cf Tasso di codici fiscali errati o mancanti nella LAC del comune
t_citt Tasso di cittadini stranieri residenti nel comune
t_monocomponente Tasso di individui residenti nel comune in famiglia monocomponente
t_anziani Tasso di individui residenti di età superiore a 70 anni
t_lavout Tasso di individui residenti che lavorano in altro comune
cittad*t_citt Interazione tra cittadinanza e tasso di stranieri residenti nel comune
Un'analisi multilivello dell'errore di copertura, Alessandra Ronconi – 10 Novembre 2014

8. I modelli multilivello per la sotto e sovra copertura
Modello di regressione logistica ad effetti misti
Intercetta aleatoria di comune
Con Y = sotto/sovra copertura
Un'analisi multilivello dell'errore di copertura, Alessandra Ronconi – 10 Novembre 2014

9. Risultati
Tab.2 Coefficienti di regressione
SOTTOCOPERTURA SOVRACOPERTURA
Profilo 1.001-5.000 5.001-10.000 10.001-50.000 1.001-5.000 5.001-10.000 10.001-50.000
femmina 0,12 0,03 0,00 -0,17 -0,22 -0,24
eta_1 1,36 0,76 0,96 -0,01 0,13 0,25
eta_2 0,99 0,92 0,85 0,49 0,50 0,53
eta_4 -1,30 -1,23 -0,98 -0,53 -0,61 -0,58
Monocomp. 1,93 1,54 1,69 1,30 1,31 1,18
cittad 1,78 1,29 1,52 2,58 2,54 2,51
citXt_citt -5,48 -0,17 -2,20 -1,04 -0,58 -2,32
t_citt 0,99 -1,31 1,22 0,06 -0,39 1,35
t_mono 5,38 5,93 6,33 3,60 9,13 3,73
t_cf 0,03 0,03 0,01 0,04 0,03 -0,01
t_anziani -5,15 -5,32 -6,18 -4,64 -8,05 -5,33
T_lavout -0,16 0,66 2,43 -1,64 -2,63 -0,39
distanza 0,00 0,00 0,00 0,00 0,00 0,00
lac 0,00 0,00 0,00 0,00 0,00 0,00
α -6,57 -6,13 -6,60 -4,43 -4,39 -4,46
sensibilità 0,76 0,72 0,72 0,77 0,76 0,73
Var(αi) 0,61 0,39 0,25 0,46 0,38 0,35
N 195.860 194.551 191.433 198.524 198.162 196.203
n 746 299 247 746 299 247

10. La ricostruzione del dato censuario
A partire dal dato LAC si vuole ricostruire la popolazione censita
dei comuni campionati, riponderando la popolazione anagrafica
sulla base delle probabilità individuali di sotto e sovracopertura
predette dal modello.
Un'analisi multilivello dell'errore di copertura, Alessandra Ronconi – 10 Novembre 2014

11. L’errore di copertura stimato vs quello osservato
Grafico1. 푬푪 vs 푬푪 per metodo di stima: comuni con 10.001-50.000 abitanti
퐸 퐶 = |푁 푖 − 푁푖|
퐸퐶 = |퐿퐴퐶푖 − 푁푖 |
Un'analisi multilivello dell'errore di copertura, Alessandra Ronconi – 10 Novembre 2014

12. Conclusioni
• La sostanziale sovrapposizione a livello nazionale tra la
popolazione censita e quella anagrafica ha spinto l’Istat ad utilizzare le
LAC per l’estrazione dei campioni di tutte le indagini socio-economiche
a partire dal 2011.
• L’analisi presentata conferma come alcune categorie di individui
(i cittadini stranieri, gli individui giovani, i nuclei familiari
monocomponenti) sono sensibilmente più a rischio di mancata o errata
copertura nelle LAC.
• La qualità del dato anagrafico è notevolmente migliorata attraverso
una opportuna riponderazione della popolazione residente che
tenga conto dei profili di rischio individuali di sotto e sovracopertura,
stimati attraverso modelli multilivello
Istat Working Paper Dalla popolazione residente a quella abitualmente dimorante:
modelli di previsione a confronto sui dati del censimento 2011. Luca Mancini e Simona Toti
Un'analisi multilivello dell'errore di copertura, Alessandra Ronconi – 10 Novembre 2014

13. Criticità
• Nel presente studio i dati del censimento sono stati considerati come gold
standard anche se sono noti i problemi di copertura del censimento stesso.
• Il disegno di campionamento potrebbe essere quello areale per tener conto
dello scenario disponibile nel caso del censimento
• L’analisi ha evidenziato il potere predittivo del modello ad effetti misti
quando la previsione si riferisce agli individui dei comuni campionati.
La metodologia potrebbe essere applicata anche agli individui dei comuni
non campionati.
Un'analisi multilivello dell'errore di copertura, Alessandra Ronconi – 10 Novembre 2014