L. Biggeri 1 , T. Laureti 2 and L. Secondi 2

1. Conference on Measuring Well-Being and Fostering the Progress of Societies Well-being and Quality of Life: a strategy for the choice and analysis of objective and subjective indicators at local level Parallel workshop: Regional and local dimensions 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

2. 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

3. 2. A strategyfor 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) dimensionof well-being and quality of life (and sustainability) • Two Phases: • 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

4. 2. A strategyfor 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 ?

5. 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 convergencesof territorial units over time only for objective indicators

6. 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

7. 3. Selected results of the analysis carried out at territorial level in Italy 3. 1 Focus on the economic dimension GDP per capita GDP Variation Number of firms (per1,000citizens) Incidence of Poverty (relative definition) Household Consumption Expenditure Households’ opinion on economic resources: insufficient (%) Households’ opinion on the evolution of their economic situation: better (%) Households’ difficulties: Insufficient monthly resources Households’ difficulties for medical expenses

8. Principal Component Analysis • Indicators that explain the factorial axes • The first two factors explain more than 70% of total variability Economic dimension – year 2008 Households’ opinion on the evolution of their economic situation: unchanged (%) Households’ opinion on available economic resources: good (%) Percentage of population living below the poverty line GdP Monthly household expenditure Factor 1: Objective dimension Factor 2: Subjective dimension Households’ opinion on the evolution of their economic situation: worse (%)

9. Household consumption expenditure VS satisfactory economic situation Monthly household expenditure (relative values) Satisfactory economic situation (relative values)

10. Local Autocorrelation Index (at regional level) YEAR 2007 GDP per capita Household consumption expenditure Households’ opinion on available economic resources: good (%) 2010 2008

11. Local Autocorrelation Index (at Provincial level) GDP per capita 2001 1995 2009 Household Consumption Expenditure 2009 1995

14. 3. Una prima applicazione a livello regionale3. 2 Focus sulla dimensione economica Matrice di contiguità: distance contiguity

15. 3. Una prima applicazione a livello regionale3. 2 Focus sulla dimensione economica ►Valori relativi della soddisfazione sulla situazione economica: risorse disponibili ottime o adeguate (%) Autocorrelazione Locale (LISA) 1997 2003 dove 2010 2008

16. 3. Una prima applicazione a livello regionale3. 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 Indicatore oggettivo: Spesa familiare I classe: valore al di sotto del 80% del valore medio di ciascun anno II classe: valore sotto la media (compreso tra 80% e la media) III classe: valore sopra la media (compreso tra la media e il 120%) IV classe: valore superiore al 120% della media Indicatore soggettivo: Giudizio risorse Economiche: Ottime o adeguate

19. 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 (%)

20. La dimensione ambientale Indicatore soggettivo: Problemi incontrati dalle famiglie nella zona di residenza: sporcizia nelle strade Indicatore oggettivo: Raccolta differenziata di rifiuti urbani (% rispetto a totale rifiuti)

21. 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 di trovarsi nello stato i al tempo t ed una probabilità di transizione , 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: L’esplicitazione di un semplice modello di Markov segue dall’assunzione che tutte le probabilità di transizione siano costanti nel tempo , 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: 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: e che rappresenta il vettore di probabilità ergodico a cui ogni vettore riga della matrice Mt tende al tendere di t all’infinito.

22. ? • 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

23. Autocorrelazione Locale Spesa per consumo Cluster Spaziali Cluster Spaziali 2002 1997 2010 2007

24. ACP: anni 2005-2007

25. 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: • Verificare la correlazione con gli altri indicatori; • Replicare l’analisi fattoriale

26. 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 Giudizio cambiamento situazione economica Soddisfazione verso la situazione economica Giudizio risorse economiche disponibili Occorre fare attenzione all’interpretazione degli indicatori sintetici

27. Fase 3. Come cambia la correlazione spaziale se considero l’indice sintetico costruito?