LIBRI DI ROBERTO GISMONDI

Il lavoro propone una selezione organica di dati statistici relativi agli spostamenti internazionali di viaggiatori da e verso stati aderenti all’Unione Europea, derivata dalla fonte EUROSTAT. Con riferimento al periodo 1995-2010 e ad aspetti quali la propensione turistica, il grado d’internazionalizzazione, la pressione turistica, l’utilizzo della capacità produttiva e la stagionalità, sono stati quantificati livelli e variazioni di indicatori propri della statistica del turismo. La principale conclusione dell’analisi, condotta in chiave comparativa sulla base di raggruppamenti tipologico-geografici degli stati UE, è che è in atto un processo di convergenza verso standard comuni, ostacolato però dall’estrema eterogeneità dei profili turistici dei singoli stati.

Il turismo è un fenomeno fortemente localizzato. Le caratteristiche del territorio ne denotano strutturalmente il profilo e i molteplici modelli di offerta cercano di soddisfare la variabilità dei gusti e delle esigenze dei visitatori. Sulla base della rilevazione ISTAT sul movimento nelle strutture ricettive, che fornisce informazioni in serie storica sul turismo interno italiano al livello di provincia, viene proposta un’analisi descrittiva, in chiave territoriale, della dinamica delle presenze (pernottamenti) per il periodo 1997-2007. L’obiettivo di fondo consiste nell’analizzare tre aspetti, correlati ma distinti: 1) la presenza di tendenze di medio- lungo periodo differenziate a livello territoriale; 2) la rilevanza statistica della dimensione territoriale, rispetto ad altri potenziali fattori esplicativi, come particolarmente discriminante di tendenze evolutive diverse; 3) la misurazione dell’eterogeneità delle dinamiche provinciali non osservabile sulla base dei soli indicatori medi aggregati.

If the main purpose of a sampling survey consists in the estimation of a change (from time t-k to time t) concerning a certain quantitative variable y, the presence of outliers could lead to significant biases in the estimation process. In this paper we’ll deal with the first problem, since we adopted the rule that if a unit is identified as outlier, we exclude it from any further calculation, so we assign to it a weight equal to zero. Starting from a lightly improved version of a basic data transformation originally proposed by Hidiroglou and Berthelot, we present a new technique for detecting outliers (minimum variance procedure), that generally leads to a significantly lower amount of units identified as outliers and of micro-data reject. Moreover, we propose various qualitative indicators to assess the optimality of any outlier detection method. Finally, starting from the availability of monthly data concerned with the retail trade monthly survey currently carried out by ISTAT, we compare nine methods for identifying outliers, drawing some main conclusions on the optimality of procedures based on the proposed minimum variance procedure.

In the last years, Istat started a renewal process concerning all its surveys, many of which refer to enterprises and are finalised at producing output indicators. Among them, we mention the sample survey on retail trade sales, aimed at calculating and disseminating monthly index numbers with a shorter delay than the recent past. Notwithstanding that, we realise that in many practical cases and in the retail trade survey as well the correct calculation of an index number turns out to be difficult because of the lack of knowledge on enterprises’ death, start-up and transformation process. When monthly indexes are needed, just yearly data about births and deaths of enterprises are often available, so that the reliability of the index itself can be seriously affected. The aim of the paper is to propose some methods to estimate the amount of the existing retail trade operators, in order to correct the indexes concerning the value of sales concerning the only operators included in the panel observed every month. These methods are fully explained and compared on the basis of an empirical exercise.

Questo lavoro ha lo scopo di descrivere sinteticamente le principali caratteristiche di alcune tra le più rilevanti rilevazioni sulle imprese condotte dall’Istat mensilmente od annualmente ed aventi caratteristiche longitudinali o, come più di frequente, riconducibili a longitudinali. Ogni indagine viene fotografata in funzione di un insieme di indicatori standard che ne connotano le peculiarità salienti e ne facilitano una successiva comparazione. Le argomentazioni proposte non mirano tanto ad una esaustività informativa quanto alla evidenziazione degli eventuali tratti comuni o, d’altra parte, dei diversi approcci seguiti per affrontare problematiche almeno in parte simili. In chiave riepilogativa, emerge sostanzialmente un quadro prospettico in cui il trattamento metodologico dei fenomeni di trasformazione delle imprese è generalmente basato su un riadattamento di procedure concepite per domini di riferimento per lo più stabili. In altri termini, spesso si scontano alcune lacune concettuali e metodologiche alla base dell’impianto di una rilevazione longitudinale sulle imprese: ad esempio, la mancanza di una definizione univoca di impresa longitudinale o di modificazione longitudinale di un’impresa, oppure le procedure statistiche ottimali da adottare in sede di stima di variazioni tra due periodi successivi di una data variabile quantitativa con riferimento alle unità rispondenti ad ondate, o subentranti ad unità di un panel con rotazione parziale delle unità nel tempo. Un ulteriore problema che ostacola l’impianto e la gestione di vere e proprie rilevazioni longitudinali sulle imprese è la elevata difficoltà di costruire e soprattutto di aggiornare ad intervalli frequenti un archivio esaustivo di tutte le imprese attive, la cui disponibilità è vitale soprattutto per le rilevazioni non limitate ad un ristretto dominio di riferimento (ad esempio, le sole imprese con un livello occupazionale superiore ad una data soglia), dipendendo da essa la possibilità di selezionare campioni realmente rappresentativi, di effettuare correttamente i riporti all’universo e di poter seguire la natimortalità delle imprese, assai intensa soprattutto nelle attività terziarie. Gli indicatori considerati, che rappresentano ovviamente solo una estrema sintesi di tutto il materiale informativo richiedibile in sede di documentazione del ciclo produttivo di una rilevazione statistica, sono i seguenti: Metodologia di indagine, Unità di analisi, Unità di rilevazione, Tipo di rilevazione, Numero di unità rilevate, Campo di osservazione, Archivio di riferimento, Classificazione Settore di attività, Disegno campionario, Tasso di campionamento, Criterio di selezione delle unità da rilevare, Trattamento dei dati mancanti, Riporto all’universo, Criteri adottati per tenere conto della natimortalità delle imprese, Eventuali problemi, Carattere longitudinale della rilevazione.

Lo scopo del contributo è di riassumere le definizioni relative alle varie tipologie di unità a cui si può fare riferimento nell’ambito di una rilevazione statistica, evidenziando come, soprattutto in chiave longitudinale, sia la scelta di tali unità che le loro eventuali modificazioni costituiscano dei fattori fondamentali ai fini della qualità delle stime finali. Partendo dalla distinzione tra unità di rilevazione (presso cui vengono raccolte le informazioni elementari) e le unità di analisi (le entità elementari oggetto ultimo della rilevazione), si passano in rassegna questi otto tipi di unità: unità legale; impresa; gruppo di imprese; unità locale; unità di attività economica; unità di produzione omogenea; unità di attività economica locale; unità di produzione omogenea locale. Legata al problema della scelta del tipo di unità è quella del tipo di classificazione: le classificazioni correntemente più utilizzate sono di tipo istituzionale, basandosi più sul tipo di operatori che intervengono nelle transazioni che sulla varietà di transazioni attuate (approccio funzionale). Per comprendere meglio questi aspetti sono state elencate sinteticamente le tipologie di classificazione più diffuse e sono stati descritti (paragrafo 2) i vari livelli in base ai quali un operatore economico può essere definito ed analizzato statisticamente. Implicitamente si è quindi discusso il principio della attività economica prevalente, alla base della classificazione Ateco ’91 attualmente utilizzata dall’Istat per discriminare le varie attività produttive.

Nell’ambito della maggior parte delle indagini longitudinali a carattere economico la necessità di diffondere dati a breve termine si accompagna, spesso, al verificarsi di fenomeni di non risposta occasionale, sul cui trattamento statistico si è ampia mente dibattuto. In generale, se buone tecniche di imputazione possono migliorare le stime preliminari basate solo sui rispondenti, tecniche carenti possono peggiorare ben più sensibilmente la qualità complessiva dei macrodati normalmente diffusi. Quindi, prima di operare imputazioni è opportuno verificare l’esistenza di possibili differenze strutturali tra rispondenti e non rispondenti riguardo alla variabile di interesse, ossia analizzare il grado di ignorabilità delle non risposte, nonché valutare il rapporto costi/benefici rispetto alla possibilità alternativa di utilizzare opportune procedure di ponderazione dei rispondenti, senza introdurre, quindi, alterazioni della base dati effettivamente raccolta. Oggetto dell’articolo è l’illustrazione di una procedura di imputazione delle mancate risposte (sia parziali che totali) nel caso di rilevazioni longitudinali ripetute nel tempo ad intervalli regolari (generalmente mesi, o trimestri) sullo stesso insieme di unità. La trattazione teorica del paragrafo 2 sarà discussa in un’ottica operativa nel paragrafo 3, mentre nel paragrafo 4 sono proposti alcuni indicatori di qualità. L’applicazione ad un caso concreto, riportata nel paragrafo 5, permette di trarre delle indicazioni di massima sulle proprietà ed i limiti della procedura, evidenziandone la forte dipendenza dalla struttura stagionale del fenomeno osservato.

Il documento propone alcune semplici procedure per il trattamento dei dati anomali nelle indagini longitudinali finalizzate alla stima di un indice di variazione relativo ad una variabile quantitativa Y, che si supporrà generalmente riferita a dati d’impresa. Nonostante tematiche quali l’individuazione di eventuali errori di misura e di valori outlier in indagini quantitative siano ampiamente trattate in letteratura, non esistono molte valutazioni metodologiche ed applicazioni empiriche concepite ad hoc in presenza di misurazioni ripetute nel tempo sullo stesso insieme di unità. Ci si soffermerà soprattutto sulle possibili modalità d’intervento - direttamente sui microdati o sui pesi originari associati alle unità del campione disponibile - tese a migliorare la precisione della stima di una variazione supponendo che gli outlier non siano (del tutto) eliminabili dalla base dati disponibile (ad esempio, perché i valori anomali potrebbero essere associati ad unità autorappresentative non ricontattabili e che non possono essere escluse dai calcoli). D’altra parte, il problema preliminare legato alla individuazione dell’intervallo di accettazione sarà affrontato solo in parte, risultando particolarmente legato alle specificità dell’indagine e comunque già oggetto di diverse trattazioni specifiche. Dopo una premessa generale, nel secondo paragrafo verrà introdotta l’espressione generale dello stimatore di un indice di variazione, evidenziando il legame esistente tra scelta dello stimatore, disegno campionario e peso campionario associato ad ogni unità. Nel terzo paragrafo sono commentate alcune strategie operative per il trattamento degli outlier. Il paragrafo 4 è dedicato ai metodi basati sulla correzione degli indici outlier senza alterazione dei pesi, mentre il paragrafo 5 ai metodi basati sulla modifica dei pesi senza correzione degli indici outlier. La trattazione si conclude con una applicazione empirica tesa a confrontare l’efficacia delle diverse metodologie.

Si supponga di disporre di n osservazioni ripetute nel tempo relative ad un campione di unità (si farà riferimento ad imprese) supposto di numerosità effettiva invariante, e ad una data variabile quantitativa di interesse. Si supponga anche che le osservazioni disponibili siano suddivisibili in diversi domini di riferimento disgiunti ed esaustivi dell’intero campione, e che il parametro da stimare sia la variazione del valore medio di tale variabile in due tempi successivi. In questo contesto sono esaminate alcune delle possibili cause e l’influenza sulle suddette stime dei possibili cambiamenti nello "stato" con cui un’unità si può presentare nel tempo, ipotizzando tali unità come facenti parte di un campione di osservazioni strutturato in forma di panel. Tuttora non esiste una tecnica per il trattamento di tali unità "dubbie" che risulti in assoluto la più efficiente, dipendendo la qualità delle stime da molteplici fattori (carattere analizzato, dimensione del panel, dimensione dei domini, disponibilità di serie storiche, ecc.). La trattazione si incentra sulla proposta di uno stimatore che sfrutti in modo ottimale le informazioni fornite da tutte le unità rilevate, sia certe che incerte, seguendo un approccio basato su un modello di superpopolazione. Altra ipotesi sottostante riguarda la disponibilità di osservazioni ripetute nel tempo relative alle stesse unità, quindi ignorando gli effetti di possibili rotazioni graduali delle stesse (panel chiuso) .