Conference on Measuring Well-Being and Fostering
the Progress of Societies
Parallel workshop: Regional and local dimensions
Well-being and Quality of Life: a strategy for the choice
and analysis of objective and subjective indicators at
local level
L. Biggeri1, T. Laureti2 and L. Secondi2
1 University of Florence; 2 University of Tuscia, Italy
26-28 June 2012, OECD Conference Centre, Paris, France
1. Introduction
Several Works on Measuring the progress of Society have been
carrying out successfully
 Both at international level (Oecd) and at national level (in Italy,
Project BES, Istat-Cnel; in Australia, Canada, UK, NL, etc.)
 The criteria and properties for the choice of indicators are under
discussion and finalization (there are too many indicators)
 Here we would like to stress the usefulness of the indicators
essentially at local level:
 different situations of local community may require “different” indicators
 individuals’ judgment about satisfaction of life is based on a comparison at
local level and/or group of population
 policy decisions must be, frequently, taken at local level
Aim of the presentation
 Propose a strategy for selecting adequate indicators useful for
targeted policy intervention at local level
2
2. A strategy for selecting adequate indicators
useful for policy intervention at local level (a)
 The choice of the indicators should give importance to the:
 High capacity to inform in a simple way the policy makers and
the public on the situation and trends
 Spatial (local) dimension of well-being and quality of life
(and sustainability)
Two Phases:
1. Analysis of the replaceability and of the discriminant capacity of
the indicators, also among the territorial units
 using analysis of variability (box-plot, cartograms, etc.),
factorial analysis, cluster analysis, etc.
first selection of a reduced number of indicators
3
2. A strategy for selecting adequate indicators
useful for policy intervention at local level (b)
2. Analysis for the evaluation of the capacity of the indicators to
highlight the spatial and spatio-temporal patterns to be taken into
account
 using methods of
 explorative spatial analysis (global and local autocorrelation)
 convergence analysis of territorial units (s and b convergence;
transition Markov matrices)
 spatio-temporal regression models (factors affecting indicators)
for choosing the indicators that are able to give information to
policy makers regarding the kind and the territorial level of the
policy interventions
Should the strategy be implemented in the same way in every
country working on
project ?
4
3. Selected results of the analysis carried out at
territorial level in Italy (a)
 Data base with 162 indicators at regional level, for 10-12
dimensions of well-being, quality of life and environmental
situation
 Focus on the economic dimension
 In some cases, high correlation between indicators (1st
slide)
 Frequently, opposite results for objective and subjective
indicators (2nd and 3rd slides)
 In various cases, high local autocorrelation among
regions, but above all among provinces (4th slide)
 The local autocorrelation changes over time
 Clear convergences of territorial units over time only for
objective indicators
5
3. Selected results of the analysis carried out at
territorial level in Italy (b)
Need for more analysis but
The results suggest to devote more attention to local
dimension
within the national project that are carrying out
for measuring the progress of society
It is not only a problem of availability of data (use of
small area estimation, etc.)
Work in progress
THANKS FOR
YOUR ATTENTION
6
3. Selected results of the analysis carried out at territorial level in Italy
3. 1 Focus on the economic dimension
-3
-2
-1
0
0
10
20
30
0
5
10
15
10
20
30
30000
GDP
PIL
pro-capite
per
capita
20000
10000
0
Variazioni
GDP
PIL
Variation
(rispetto
anno
precedente)
-1
-2
-3
100
Number
Numeroof
firms
imprese
(per
1000
(per 1,000
abitanti)
citizens)
80
60
30
Incidence of
Incidenza
Poverty
povertà
(relative
relativa
definition)
20
10
0
3000
Spesa
Household
media
Consumption
mensile
Expenditure
2500
2000
familiare
1500
15
Households’
Giudizio
opinion
on
famiglie
economic
risorse
resources:
economiche:
insufficient
(%)
insufficienti
10
5
0
8
Cambiamento
Households’
opinion
situazione
on the
evolution of
their
economica:
economic
moltosituation:
e un
better
po'(%)
6
4
migliorata
2
30
Households’
Difficoltà
difficulties:
famiglie:
Insufficient
arriva
a fine
monthly
mese
con
difficoltà
resources
20
10
30
Difficoltà
Households’
delle
difficulties
for
famiglie: non
ha
avuto soldi
medical
per
spese
expenses
mediche
10000
20000
30000
60
80
100
1500
2000
2500
3000
2
4
6
8
0
10
20
20
10
0
30
7
Principal Component Analysis
 Indicators that explain the factorial axes
 The first two factors explain more than 70% of total variability
Dimensione
economica
- anno
2008
Economic
dimension
– year
2008
1
Households’ opinion on the evolution of their
economic situation: unchanged (%)
.5
x33
Percentage of population
living below the poverty
line
x25
Factor 2
x2
Households’ opinion on available
economic resources: good (%)
x29
x26
x32
x18
GdP
0
x1
x19
-.5
x27x31
x28
x30
x10
Monthly household
expenditure
x34
-1
Factor 1: Objective dimension
-1
-.5
Factor 2: Subjective dimension
Rotation: orthogonal varimax
Method: principal-component factors
0
Factor 1
.5
1
Households’ opinion on the evolution of their
economic situation: worse (%)
8
Household consumption expenditure VS satisfactory economic situation
(v. relativi)
economica
situazione
Soddisfazione
Satisfactory
economic
situation
(relative
values)
'
0
.5
1
1.5
2
familiare (v.relativi)
Spesa
Monthly household
expenditure
(relative values)
97 98 99 00 01 02 03 04 05 06 07 08 09 10
97 98 99 00 01 02 03 04 05 06 07 08 09 10
9
Local Autocorrelation Index (at regional level)
YEAR 2007
Household consumption expenditure
GDP per capita
Households’ opinion on available economic resources: good (%)
2008
2010
10
Local Autocorrelation Index (at Provincial level)
GDP per capita
1995
2001
2009
Household Consumption Expenditure
1995
2009
11
12
13
3. Una prima applicazione a livello regionale
3. 2 Focus sulla dimensione economica
ANNO
Spesa media mensile Pseudo
familiare
Sign.
Giudizio
risorse
economich
e
disponibili:
ottime o
adeguate
Pseud
o
Sign.
1997
0.1693
0.034
-0.0077
0.658
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
0.1288
0.0525
0.0631
0.1085
0.1167
0.1000
0.1065
0.0573
0.1336
0.1112
0.1101
0.1131
0.0560
0.082
0.180
0.138
0.101
0.066
0.094
0.002
0.160
0.076
0.106
0.090
0.094
0.150
0.1208
-0.0747
0.1403
0.1679
-0.0453
0.1278
--0.0673
0.1891
0.1822
0.1495
0.0719
0.0226
0.066
0.474
0.050
0.090
0.566
0.066
-0.486
0.036
0.032
0.040
0.171
0.198
Matrice di contiguità: distance contiguity
3. Una prima applicazione a livello regionale
3. 2 Focus sulla dimensione economica
►Valori relativi della soddisfazione sulla situazione economica: risorse disponibili ottime o adeguate (%)
Autocorrelazione Locale (LISA)
1997
n
zi


Ii 
 zi dove zi   wi , j z j
2
z
j 1
i
i
2008
2010
2003
3. Una prima applicazione a livello regionale
3. 2 Focus sulla dimensione economica
►Verifica della riduzione o meno delle differenze territoriali (convergenza o
non convergenza) adottando l’approccio basato sulle matrici di transizione di
Markov
N
I
II
III
IV
I
37
75.68
24.32
--
--
II
102
11.76
72.55
15.69
--
III
113
--
10.62
84.96
4.42
IV
8
--
--
75.00
25.00
I classe:
II classe:
III classe:
IV classe:
Indicatore oggettivo:
Spesa familiare
valore al di sotto del 80% del valore medio di ciascun anno
valore sotto la media (compreso tra 80% e la media)
valore sopra la media (compreso tra la media e il 120%)
valore superiore al 120% della media
N
I
II
III
IV
I
80
38.75
20.00
17.50
23.75
II
46
32.61
30.43
15.22
21.74
III
35
31.43
22.86
11.43
34.29
IV
79
27.85
10.13
16.46
45.57
Indicatore soggettivo:
Giudizio risorse
Economiche:
Ottime o adeguate
17
18
La dimensione economica
Incidenza della povertà VS giudizio sulle risorse disponibili
Anno 2002
Indicatore oggettivo:
[suddivisione in quartili]
Incidenza di povertà relativa per le famiglie
(% sul totale delle famiglie)
Indicatore soggettivo:
[suddivisione in quartili]
Giudizio delle famiglie sulle risorse
economiche disponibili: insufficienti (%)
19
La dimensione ambientale
Raccolta differenziata
1.5
.5
1
Problemi
incontrati
dalle famiglie
nella zona di
residenza:
sporcizia nelle
strade
0
Raccolta
differenziata di
rifiuti urbani
(% rispetto a
totale rifiuti)
Indicatore
soggettivo:
2
Indicatore
oggettivo:
Problemi: sporcizia nelle strade
01
02
03
04
05
06
07
08
01
02
03
04
05
06
07
08
20
La strategia di analisi proposta
Matrici spaziali di transizione di Markov
L’approccio basato sulle catene di Markov assume che, dati I stati di una determinata variabile, ogni regione (unità spaziale) ha
probabilità pi  t  di trovarsi nello stato i al tempo t ed una probabilità di transizione mij  t  , da calcolare, di essere allo stato j al
tempo t+1. L’interesse è proprio nella stima della matrice M contenente le probabilità di transizione mij:
 m11 L

M   M mij
m
 31 L
m13 

M
m33 
L’esplicitazione di un semplice modello di Markov segue dall’assunzione che tutte le probabilità di transizione siano costanti nel
tempo mij  t   mij , per ogni t. Ordinando queste probabilità di transizione in base agli stati I della variabile oggetto di studio si
ottiene la matrice M di dimensione I x I e, sulla base del vettore di probabilità si ottiene:
p  t  1  p  t  M  p  0  Mt
dove rappresenta il prodotto di t matrici M identiche. Una conseguenza importante dell’equazione [2] è l’esistenza di un vettore
riga s di dimensione 1 x I tale che:
s  sM
e che rappresenta il vettore di probabilità ergodico a cui ogni vettore riga della matrice M t tende al tendere di t all’infinito.
21
?
•
Con riferimento agli indicatori soggettivi che prevedono diverse modalità di
risposta:
•
si potrebbero descrivere in questa slide le diverse procedure adottate
per l’aggregazione di questi indicatori (procedure proposte da Giudici et al.;
Capursi, ecc…)
Costituiscono una soluzione per l’aggregazione di indicatori soggettivi  MA In
questo caso quali sono le verifiche da fare dopo aver effettuato l’aggregazione?
- Validità dell’informazione che emerge: quindi verifico nuovamente la
correlazione, posso comunque svolgere la ACP e la cluster (cluster analysis)
 se l’aggregazione è corretta dovrei mantenere le stesse relazioni
22
Autocorrelazione Locale
Spesa per consumo
Cluster Spaziali
Cluster
Spaziali
1997
2007
2002
2010
23
ACP: anni 2005-2007
1
Dimensione economica - anno 2006
1
Dimensione economica - anno 2005
x33
x34
x26
.5
.5
x29
x25
x10
x32
0
x1
x19
x29
x26
x25
x18
x32
-.5
-.5
x18
x10
0
x2
x1
x19
x2
Factor 2
x28
x30
x27
x31
x31
x28
x27
x30
x34
-1
-1
x33
-1
-.5
0
Factor 1
.5
1
-1
Rotation: orthogonal varimax
Method: principal-component factors
-.5
0
Factor 1
.5
1
Rotation: orthogonal varimax
Method: principal-component factors
1
Dimensione economica - anno 2007
x19
x10
x1
.5
x32
x29
x26
x33
x2
0
Factor 2
x25
-.5
x34
x27
x18
-1
x30x31
x28
-1
-.5
Rotation: orthogonal varimax
Method: principal-component factors
0
Factor 1
.5
1
24
Fase 1.
- Una riduzione del numero di indicatori può avvenire anche attraverso la costruzione
di indicatori sintetici per quegli indicatori soggettivi che prevedono più modalità di
risposta.
- Gli indicatori soggettivi riguardanti la soddisfazione in merito alla situazione
economica, il giudizio sulle risorse disponibili ed il giudizio delle famiglie sul
cambiamento della situazione economica composti ciascuno da più di due
modalità sono stati sintetizzati facendo ricorso all’indice QBI (Quantile Based Index)
proposto da Cerchiello et al. (2010):
Una volta costruiti gli indici è tuttavia necessario:
a) Verificare la correlazione con gli altri indicatori;
b) Replicare l’analisi fattoriale
25
L’entità della correlazione non muta rispetto all’analisi delle singole modalità. Tuttavia, se si prende a riferimento la spesa media
mensile familiare (X19) e gli indicatori relativi al giudizio sulle risorse economiche (X25, X26,X27,X28):
- Prima dell’aggregazione si aveva una correlazione positiva tra la spesa familiare e le persone che si dichiaravano molto o
abbastanza soddisfatte della situazione economica (X25 e X26), mentre una correlazione negativa con le persone che si
dichiaravano poco o per niente soddisfatte (X27 e X28). L’entità in valore assoluto della correlazione era compresa tra 0.70 e
0.80
- Dopo la costruzione dell’indicatore sintetico la correlazione con la spesa familiare è positiva e pari a 0.75
Dimensione economica - anno 2008
1
Giudizio cambiamento situazione
economica
g3
Soddisfazione verso la situazione
economica
Factor 2
.5
g1
x2
g2
0
x18
x1
x19
Giudizio risorse economiche
disponibili
-.5
x10
-1
-.5
0
Factor 1
.5
1
Rotation: orthogonal varimax
Method: principal-component factors
26
Occorre fare attenzione all’interpretazione degli indicatori sintetici
Fase 3.
ANNO
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
Giudizio
risorse
economiche
Pseudo
disponibili:
Sign.
ottime o
adeguate
-0.1189
0.355
0.3732
0.012
-0.1646
0.194
0.3342
0.030
0.0279
0.290
0.3154
0.015
0.105
0.178
--0.4814
0.003
0.3802
0.009
0.4761
0.003
0.1888
0.082
0.0459
0.271
0.2713
0.069
Come cambia
la correlazione
spaziale se
considero
l’indice
sintetico
costruito?
ANNO
2005
2006
2007
2008
Giudizio
risorse
economiche
Pseudo
disponibili:
Sign.
indicatore
sintetico G2
0.1823
0.085
0.2798
0.09
0.0535
0.242
0.1134
0.09
27
x1
x2
x3
x4
x5
x10
x17
x18
x19
x25
x26
x27
x28
x29
x30
x31
x32
x35
x39
x1
x2
x3
x4
x5
x10
x17
x18
x19
x25
x26
x27
x28
x29
x30
x31
x32
x35
x39
1.0000
-0.2310
0.8868
-0.2082
0.6372
0.2639
-0.8974
-0.8926
0.9119
0.6357
0.8485
-0.8016
-0.7951
0.7783
-0.6992
-0.7667
0.5530
-0.8418
-0.8559
1.0000
-0.2297
-0.0790
-0.1287
-0.1315
0.3040
0.3328
-0.3445
-0.1577
-0.2515
0.3150
0.1601
-0.1837
0.2602
0.0142
-0.1738
0.0700
0.0170
1.0000
-0.2133
0.6946
0.4969
-0.8970
-0.8817
0.8367
0.5336
0.7800
-0.6775
-0.7591
0.7016
-0.6153
-0.7146
0.5232
-0.8877
-0.8646
1.0000
-0.3496
0.0986
0.0954
0.1224
-0.0786
-0.2468
-0.1201
0.1526
0.0441
-0.0689
0.1659
-0.0478
0.0208
0.1670
0.0758
1.0000
0.4426
-0.6043
-0.5884
0.6384
0.4722
0.5751
-0.5871
-0.4678
0.5553
-0.6163
-0.4470
0.5234
-0.6268
-0.6404
1.0000
-0.3737
-0.3120
0.3906
0.0332
0.2158
-0.0284
-0.3527
0.1529
-0.0010
-0.3373
0.0991
-0.4603
-0.3611
1.0000
0.9941
-0.9411
-0.5144
-0.7791
0.7070
0.7262
-0.7069
0.5753
0.7534
-0.5259
0.8531
0.9127
1.0000
-0.9284
-0.4983
-0.7517
0.7004
0.6820
-0.6783
0.5670
0.7080
-0.5115
0.8176
0.8916
1.0000
0.6226
0.7926
-0.7580
-0.7348
0.7009
-0.5927
-0.7164
0.5473
-0.7941
-0.8293
1.0000
0.7672
-0.8408
-0.7166
0.7434
-0.7398
-0.6259
0.5489
-0.6517
-0.5140
1.0000
-0.9305
-0.9285
0.9647
-0.8923
-0.8604
0.7423
-0.8797
-0.8133
1.0000
0.7604
-0.9003
0.9179
0.7032
-0.7351
0.7659
0.7173
1.0000
-0.9062
0.7557
0.9170
-0.6316
0.8644
0.7650
1.0000
-0.9373
-0.8929
0.8012
-0.8543
-0.7960
1.0000
0.7021
-0.8042
0.7129
0.6631
1.0000
-0.6177
0.9053
0.8517
1.0000
-0.5870
-0.5892
1.0000
0.9331
1.0000
x1
x2
x3
x10
x17
x18
x19
x25
x26
x27
x28
x29
x30
x31
x32
x35
x39
x1
x2
x3
x10
x17
x18
x19
x25
x26
x27
x28
x29
x3
1.0000
-0.2310
0.8868
0.2639
-0.8974
-0.8926
0.9119
0.6357
0.8485
-0.8016
-0.7951
0.7783
-0.6992
-0.7667
0.5530
-0.8418
-0.8559
1.0000
-0.2297
-0.1315
0.3040
0.3328
-0.3445
-0.1577
-0.2515
0.3150
0.1601
-0.1837
0.2602
0.0142
-0.1738
0.0700
0.0170
1.0000
0.4969
-0.8970
-0.8817
0.8367
0.5336
0.7800
-0.6775
-0.7591
0.7016
-0.6153
-0.7146
0.5232
-0.8877
-0.8646
1.0000
-0.3737
-0.3120
0.3906
0.0332
0.2158
-0.0284
-0.3527
0.1529
-0.0010
-0.3373
0.0991
-0.4603
-0.3611
1.0000
0.9941
-0.9411
-0.5144
-0.7791
0.7070
0.7262
-0.7069
0.5753
0.7534
-0.5259
0.8531
0.9127
1.0000
-0.9284
-0.4983
-0.7517
0.7004
0.6820
-0.6783
0.5670
0.7080
-0.5115
0.8176
0.8916
1.0000
0.6226
0.7926
-0.7580
-0.7348
0.7009
-0.5927
-0.7164
0.5473
-0.7941
-0.8293
1.0000
0.7672
-0.8408
-0.7166
0.7434
-0.7398
-0.6259
0.5489
-0.6517
-0.5140
1.0000
-0.9305
-0.9285
0.9647
-0.8923
-0.8604
0.7423
-0.8797
-0.8133
1.0000
0.7604
-0.9003
0.9179
0.7032
-0.7351
0.7659
0.7173
1.0000
-0.9062
0.7557
0.9170
-0.6316
0.8644
0.7650
1.0000
-0.9373
-0.8929
0.8012
-0.8543
-0.7960
1.000
0.702
-0.804
0.712
0.663
28