popolazione, territorio e societa’ i

POPOLAZIONE, TERRITORIO E SOCIETA’ I

Stefania Rimoldi

http://www.statistica.unimib.it/utenti/rimoldi/

Modalita’ esame

frequentanti: DISCUSSIONE ORALE delle ESERCITAZIONI SVOLTE

(le esercitazioni possono essere svolte tutte o in parte; le eventuali esercitazioni mancanti potranno essere compensate da domande orali)

non frequentanti: ORALE

http://www.statistica.unimib.it/utenti/rimoldi/

ARGOMENTI DEL CORSO

PARTE PRIMA: strumenti e metodi per l’analisi territoriale

PARTE SECONDA: rassegna studi sul territorio italiano

http://www.statistica.unimib.it/utenti/rimoldi/

OBIETTIVO DEL CORSO

Esaminare le relazioni tra la popolazione e il territorio in cui vive, in particolare come la variabile territorio (spazio) interagisce con la popolazione che lo abita

INTRODUZIONE

Definizione di POPOLAZIONE(Livi Bacci, 1990)

Insieme di individui, stabilmente costituito, legato da vincoli di riproduzione e identificato da caratteristiche territoriali,

politiche, giuridiche, etniche o religiose

http://www.statistica.unimib.it/utenti/rimoldi/

CLASSIFICAZIONE DEL TERRITORIO

A livello globale: http://unstats.un.org/unsd/methods/m49/m49.htm

(UNITED NATIONS Standard Country or Area Codes for Statistical Use)

- MACRO GEOGRAPHICAL REGIONS (Continenti, es. 002 Africa)

-REGIONS (es. 014 Eastern Africa, 017 Middle Africa, 015 Northern Africa, 018 Southern Africa, 011 Western Africa)

- COUNTRIES (es. 710 South Africa)

http://www.statistica.unimib.it/utenti/rimoldi/

CLASSIFICAZIONE DEL TERRITORIO

A livello europeo: http://epp.eurostat.ec.europa.eu/portal/page/portal/nuts_nomenclature/introduction

(EUROSTAT Nomenclature of territorial units for statistics - NUTS)

http://www.statistica.unimib.it/utenti/rimoldi/

NUTS 2: basic regions for the application of regional policies (270)

NUTS 1: major socio-economic regions(97)

NUTS 3: small regions for specific diagnoses(1294)

Es, Le Macro-aree italiane, le Zone d'études et d'aménagement du territoire francesi, gli Stati federati tedeschi. Le Regioni in Belgio ecc.

Es, Le Regioni italiane, le Regioni francesi,, le comunità autonome in spagna

Es, Le Province italiane, i Dipartimenti francesi, le province spagnole,

LEVEL MINIMUM MAXIMUMNUTS 1 3 million 7 millionNUTS 2 800 000 3 millionNUTS 3 150 000 800 000

Principio 1 - dimensione

Principio 2 – criterio normativoLa definizione NUTS si basa sulle

classificazioni amministrative degli Stati

Principio 3 – criterio geografico generaleLe unità geografiche generali sono

preferibili rispetto a quelle specifiche per particolari obiettivi

http://www.statistica.unimib.it/utenti/rimoldi/

Scopi della classificazione EUROSTAT

1) Raccolta e armonizzazione statistiche

2) Analisi socio-economiche:- NUTS1 principali aree socio-ec.

- NUTS2 aree base per l’applicazione di politiche regionali (ES- FONDI STRUTTURALI)

- NUTS3 piccole aree per specifiche analisi

http://www.statistica.unimib.it/utenti/rimoldi/

CLASSIFICAZIONE DEL TERRITORIO

A livello nazionale: http://sistat.istat.it/sistat/ISTAT

Classificazione istituzionale

MACRO AREE: Nord-Ovest, Nord-Est, Centro, Sud, Isole(5)

REGIONI: Piemonte, Valle d’Aosta..ecc.(20)

PROVINCE: Alessandria, Torino…ecc.(da 110 al 30.06.12 a 51 dal 1.01.13)

COMUNI:(8091 al 30.06.12)

di cui 10 città metropolitane

http://www.statistica.unimib.it/utenti/rimoldi/

Classificazione funzionale

Sistemi Locali del Lavoro

Distretti Industriali

Distretti socio-sanitari

Ecc.

http://www.statistica.unimib.it/utenti/rimoldi/

Considerazioni

• La classificazione istituzionale e la classificazione funzionale si sovrappongono e si intersecano

• Elemento di arbitrarietà nella scelta del livello di analisi

• La variabilità dei fenomeni dipende dal livello di disaggregazione dei dati: piccole dimensioni fanno risaltare la variabilità mentre grandi dimensioni “mediano” le diversità

MAUP

http://www.statistica.unimib.it/utenti/rimoldi/

MAUP Modifiable Areal Unit Problem

DEFINIZIONE:Il problema dell’unità areale modificabile è una potenziale fonte di errore nelle analisi spaziali che utilizzano fonti di dati aggregati (Unwin,

1996).

Per comprendere il MAUP dobbiamo partire dall’analisi dello spazio.

Lo spazio è continuo, ma la nostra rappresentazione dello spazio non può che

essere discreta,

http://www.statistica.unimib.it/utenti/rimoldi/

A PUNTI A LINEE

A POLIGONI IRREGOLARI

A POLIGONI REGOLARI

http://www.statistica.unimib.it/utenti/rimoldi/

L’UTILIZZO DI UNITA’ AREALI DISCRETE E’ NECESSARIO OGNI VOLTA CHE VOGLIAMO MISURARE UN FENOMENO IN UN’AREA:

AD ES: Il livello della disoccupazione in Lombardia è aumentato; e nelle province?” L’UTILIZZO DELLE UNITA’ AREALI E’ INDISPENSABILE OGNI VOLTA CHE VOGLIAMO MISURARE UN FENOMENO CHE NON PUO’ ESSERE MISURATO IN UN SINGOLO PUNTO AD ES: Tasso di natalità, % di fumatori, tasso di deforestamento L’UTILIZZO DELLE UNITA’ AREALI E’ UTILE QUANDO VOGLIAMO PROTEGGERE LA PRIVACY AD ES: I dati del Censimento della popolazione che sono raccolti a livello individuale ma diffusi in modo aggregato L’UTILIZZO DELLE UNITA’ AREALI E’ UTILE QUANDO LE UNITA’ INDIVIDUALI SONO NUMEROSE AD ES: I dati sui consumi delle famiglie

E’ quindi necessario attribuire CONFINI

allo spazio

Confini amministrativi,

comuni, sezioni di

censimento

Linee costiere, fiumi

Quando disegniamo confini arbitrari, la dimensione e la forma dell’area

diventano elementi ARBITRARI, pertanto “soggettivi e discutibili” che

hanno conseguenze sui risultati dell’analisi

 Esempio:  LA DEFINIZIONE DEI COLLEGI ELETTORALI

Nella costruzione dei collegi, ottenuti per aggregazione di comuni, si possono configurare due situazioni: la concentrazione dei voti di un partito in POCHI collegi, in modo da riservare TUTTI I RESTANTI collegi all’elettorato dell’altro partito [PACKING]

la dispersione dei voti di un partito sul maggior numero possibile di collegi in modo tale che in nessuno di essi ottenga la maggioranza [DILUTION]

Es. Elezioni Politiche 2001: Il Centro–Destra vince nella maggioranza dei collegi elettorali e quindi ottiene il maggior numero dei parlamentari eletti nei collegi uninominali, anche se il numero complessivo di voti conquistati nella quota proporzionale dalle liste collegate al Centro-Sinistra è maggiore del numero di voti del Centro-Destra

Il MAUP si compone di 2 effetti

EFFETTO AGGREGAZIONEEFFETTO SCALA

Problema statistico Problema geografico

EFFETTO SCALA: variabilità dei risultati al variare del numero di aree, sulla stessa porzione di territorio

n = 16

n = 4 n = 2

Dimensione delle aree

Varia

nza

fra le aree entro le aree

(Weins, 1989)

Esempio: Sia V una variabile osservata sulle 16 unità in cui è divisa l’area A

Media = 3,75Varianza = 2,60

Media = 3,75Varianza = 0,50

Media = 3,75Varianza = 0,0

Esempio: L’area A è formata da 4 zone; si rileva l’età del capofamiglia delle famiglie

C 1°C

2°CN

2°CS

Num. Fam. Età Zona 1°Zona 2°: 1 = C+!°; 2 =

2°N+2°S1 22 2°N 22 24 2°N 23 26 2°S 24 28 2°N 25 31 2°S 26 40 1° 17 48 1° 18 54 2°S 29 58 C 1

10 62 C 111 62 C 112 62 1° 1

Media di EtàEtichette di riga TotaleC 60,671° 50,002°N 24,672°S 37,00Totale 43,08dev st. 13,53

Media di EtàEtichette di riga Totale

1 55,332 30,83

Importo totale 43,08dev. St. 12,25

ESEMPIO: Si considerino ora 2 variabili: X variabile indipendente e Y variabile dipendente

87 95 72 37 44 2440 55 55 38 88 3441 30 26 35 38 2414 56 37 34 8 1849 44 51 67 17 3755 25 33 32 59 54

72 75 85 29 58 3050 60 49 46 84 2321 46 22 42 45 1419 36 48 23 8 2938 47 52 52 22 4858 40 46 38 35 55

0 10 20 30 40 50 60 70 80 90 1000

10

20

30

40

50

60

70

80

90

100

R² = 0.690187725216576

X

Y

91 54,5 34

47,5 46,5 61

35,5 30,5 31

35 35,5 13

46,5 59 27

40 32,5 56,5

73,5 57 44

55 47,5 53,5

33,5 32 29,5

27,5 35,5 18,5

42,5 52 35

49 42 45

0 10 20 30 40 50 60 70 80 90 1000

10

20

30

40

50

60

70

80

90

100

R² = 0.815067465951822

X

Y

AUMENTA!

EFFETTO AGGREGAZIONE: variabilità dei risultati al variare della forma delle aree di aggregazione

N=3 N=3 N=3

ESEMPIO

10 15 5

5 10 15

5 10 5

N=4 Media = 9,17

… per l’effetto scala

10

6,67 12,5

7,5

8

10

N=2 Media = 9

10

6,7 12,5

7,5

10

5 10 10

Per l’effetto aggregazione…

Media = 9,17

Media = 8,75

ESEMPIO: Si considerino ora le 2 variabili: X variabile indipendente e Y variabile dipendente

87 95 72 37 44 2440 55 55 38 88 3441 30 26 35 38 2414 56 37 34 8 1849 44 51 67 17 3755 25 33 32 59 54

72 75 85 29 58 3050 60 49 46 84 2321 46 22 42 45 1419 36 48 23 8 2938 47 52 52 22 4858 40 46 38 35 55

0 10 20 30 40 50 60 70 80 90 1000

10

20

30

40

50

60

70

80

90

100

R² = 0.690187725216576

X

Y

91 54,5 34

47,5 46,5 61

35,5 30,5 31

35 35,5 13

46,5 59 27

40 32,5 56,5

73,5 57 44

55 47,5 53,5

33,5 32 29,5

27,5 35,5 18,5

42,5 52 35

49 42 45

SCHEMA DI RAGGRUPPAMENTO 1

0 10 20 30 40 50 60 70 80 90 1000

10

20

30

40

50

60

70

80

90

100

R² = 0.815067465951822

X

Y

Originalmente R2=0,69

SCHEMA DI RAGGRUPPAMENTO 2

63,5 75,0 63,5 37,5 66,0 29,0

27,5 43,0 31,5 34,5 23,0 21,0

52,0 34,5 42,0 49,5 38,0 45,5

61,0 67,5 67,0 37,5 71,0 26,5

20,0 41,0 35,0 32,5 26,5 21,5

48,0 43,5 49,0 45,0 28,5 51,5

10 20 30 40 50 60 70 800

10

20

30

40

50

60

70

80

90

100

R² = 0.889925246715615

X

Y

Originalmente R2=0,69

raggruppando per colonnaR2 = 0,82

MAUP FALLACIA ECOLOGICALe relazioni statistiche tra i

caratteri cambiano al cambiare della scala e/o del raggruppamento

La relazione statistica che si osserva al livello aggregato può non essere vera al

livello individuale

Esempio:

Grande variabilità nel Td,

Analoga variabilità nella % Ispanici

Gli individui di origine ispanica hanno una più elevata probabilità di essere disoccupati

Esempio 2: comportamenti riproduttivi

In generale, però, la relazione osservabile a livello individuale si nota anche a livello aggregato se, nel tempo, le variabili X e Y variano in modo simile in tutte le aree oggetto di studio (CASO DI NORMALITA’ ECOLOGICA).

Sia s una generica area; Y un comportamento; X vettore delle variabili esplicative

Quando non si dispone dei dati individuali si utilizzano spregiudicatamente i dati aggregati

Ma facendo ciò ipotizziamo che:

ESEMPIO 3: livello di religiosità e comportamento riproduttivo

Francia

0

1

2

3

4

5

6

0 1 2 3 4 5 6

Livello di religiosità

Num

ero

di fi

gli

Italia

0

1

2

3

4

5

6

0 1 2 3 4 5 6

Livello di religiosità

Num

ero

di fi

gliFrancia + Italia y = 1,5455x - 0,3636

R2 = 0,7506

0

1

2

3

4

5

6

0 1 2 3 4 5 6

Livello di religiosità

Num

ero

di fi

gli

Correlazione lineare fra le medie

y = 3x - 4R2 = 1

0

1

2

3

4

5

6

0 1 2 3 4 5 6

Livello di religiosità

Num

ero

di fi

gli

NORMALITA’ECOLOGICA

Francia

0

1

2

3

4

5

6

7

8

0 1 2 3 4 5 6 7 8

Livello di religiosità

Num

ero

di fi

gli

Italia

0

1

2

3

4

5

6

7

8

0 1 2 3 4 5 6 7 8

Livello di religiosità

Num

ero

di fi

gli

Francia + Italia

y = 0,3636x + 3,0909R2 = 0,0182

0

1

2

3

4

5

6

7

8

0 1 2 3 4 5 6 7 8

Livello di religiosità

Num

ero

di fi

gli

Correlazione lineare fra le medie

y = -4x + 14R2 = 1

0

1

2

3

4

5

6

7

8

0 1 2 3 4 5 6 7 8

Livello di religiosità

Num

ero

di fi

gli

EFFETTI STRUTTURALI(Emile Durkheim 1858-1917

Comportamenti e caratteristiche proprie degli aggregati di popolazione, indipendenti dai comportamenti e dalle caratteristiche degli individui ma in grado di influenzarli

Studio dei suicidi derivati da anomia (mancanza di una direzione morale): - Essere protestanti- Non essere sposati

Comunità

TASSI DI SUICIDIO

Maggioranza protestante

Maggioranza cattolica

Individui

Protestanti    

Cattolici    

ESEMPIO: tasso di natalità e % afro-americaniCampione di 12 stati, elencati in ordine decrescente per proporzione di afro-americani sul complesso della popolazione (primi 6; ultimi 6)

Tasso di natalità

I tassi di natalità sono più elevati dove è più alta la proporzione di afro-americani

In media, i tassi di nataità degli afro-americani sono più elevati

ESISTE L’EFFETTO STRUTTURALE?

Comunità

Forte presenza afro-americani

Scarsa presenza afro-americani

Individui

Afro-americani Louisiana, Illinois, New Jersey

Massachusset, Missouri (tasso nat. Afro-am. Sopra la media)

Euro americaniGeorgia, Illinois, New Jersey, Maryland

Missouri, Kentucky, Colorado

NON SI PUO’ DIRE!... QUADRO CONFUSO

Togliamo Illinois, New jersey, Missouri e Kentucky

• I tassi afro-am. Sono più alti degli euro-am. sia negli stati a forte presenza afro-am che in quelli a bassa presenza

• I tassi di natalità degli afro-am. Sono più alti negli stati a forte presenza afro-am. ECCETTO COLORADO

• I tassi di natalità degli euro-am. Sono più bassi negli stati con bassa presenza Afro-am. ECCETTO MASSACHUSSET

• L’effetto strutturale è molto modesto, tenuto conto che le differenze tra i tassi complessivi del 1° e del 2° gruppo sono modeste