Corso di POPOLAZIONE TERRITORIO E SOCIETA’ 1 AA 2013-2014

1. Corso di POPOLAZIONE TERRITORIO E SOCIETA’ 1AA 2013-2014 LEZIONE 6

2. Misuredidiversità e segregazione Date: P: P1 + P2+ P3 +…+Pn R: Misuredelladiversità Entropia Interazione Misuredellasegregazione

3. Misuredidiversità e segregazione Date: P: P1 + P2+ P3 +…+Pn R: Misuredelladiversità Misuredellasegregazione Disparità Esposizione Cocentrazione Centralizzazione Raggruppamento

4. MISURARE LA SEGREGAZIONE Gli indici di segregazione esprimono la misura della dispersione di sottogruppi di una popolazione in un insieme di sub-aree di una regione P: P1 + P2+ P3 +…+Pn R: Cosadeveavere un indicedisegregazione... • non deve essere distorto dalla dimensione relativa del gruppo di minoranza nel complesso della popolazione; • non deve dipendere dalla dimensione complessiva della popolazione e dell’area; • non deve dipendere dal numero di sub-aree in cui è divisa l’area complessiva; • deve essere standardizzabile, in modo da variare tra 0 e 1, dove 0 indica la situazione in cui in ciascuna sub-area il rapporto tra i gruppi è lo stesso che si osserva per il complesso della regione R e 1 corrisponde alla situazione in cui i sottogruppi risultano nettamente separati nelle sub-aree di R; • l’indice deve risentire dello spostamento di una o più unità da un’area all’altra; • l’indice deve essere invariante alle trasformazioni di scala nella composizione: o un aumento nel livello assoluto di un particolare gruppo in tutte le sub-aree o un aumento del livello assoluto di tutti i gruppi in una particolare sub-area.

5. DIMENSIONI DEGLI INDICI DI SEGREGAZIONE

6. INDICI DI DISPARITA’ 1) INDICE DI DISSIMILARITA’ 2) INDICE DI GINI 3) ENTROPIA DELLA SEGREGAZIONE (INDICE DI THEIL)

7. INDICI DI ESPOSIZIONE’ Misuranoilpotenzialecontattotramembri del medesimogruppo o di gruppidiversi 1) INDICE DI ISOLAMENTO Misura la probabilità che scelto a caso, nella generica sub-area i-esima, un membro di un gruppo esso venga in contatto con un altro membro del medesimo gruppo Èapplicabile a 2 o + gruppidellapopolazione

8. min 1 Segregazione minima Segregazionemassima Datoche I gruppisonoisolati analogamente analogamente

9. 2) INDICI DI ESPOSIZIONE Gliindici di isolamentosonocasiparticolaridegliindici di esposizione MASSIMA SEGREGAZIONE, (gruppi nettamente separati nelle sub-aree) poiché gli indici di isolamento assumono valore massimo =1, gli indici di esposizione assumeranno valore 0

10. MINIMA SEGREGAZIONE inoltre analogamente

11. RIASSUMENTO Normalizzazione:

12. ESEMPIO

13. ESEMPIO

14. INDICI DI CONCENTRAZIONE’ Misuranol’ammontarerelativo di spaziofisicooccupato 1) INDICE DI HOOVER

15. 2) INDICE DI CONCENTRAZIONE ASSOLUTA E’ calcolabile per 2 gruppi • Cisipuòchiedere: • preso un gruppo (ad es. la minoranza), qual’è la superficiecheessooccupa? • questaporzione di spazioquantoègranderispetto a quelladisponibile? • PRESUPPOSTO: Il gruppoètantopiùsegregatoquantopiùècostretto a occupareunospazioridottorispetto a quellochepotrebbeoccupare. • Pertantooccorreràmisurare la densitàdellapopolazionecomplessiva in tutte le aree(densità media). • Se ilgruppo di minoranzasidistribuisse secondo la densità media in ciascuna area, ordinando le aree secondo la superficiecrescente, • - quale sarebbe lo spaziominimo da occupare ? • - quale lo spaziomassimo?

16. aisuperificedella sub-area Ai Totalespaziominimo Totalespaziorealmenteoccupato AC=1 Se ilgruppooccupail minor spaziopossibile SEGREGAZIONE MASSIMA AC=0 Se ilgruppooccupailmaggiorspaziopossibile SEGREGAZIONE MINIMA Totalespaziomassimo Totalespaziominimo

17. ESEMPIO Consideriamo X DOMANDA 1: se gli 80 individui di X sidovesseroconcenrarenelleareepiùpiccole, di quantospazioavrebberobisogno? Area minima occupabile

18. DOMANDA 2: se gli 80 individui di X sidovesserodisperderenelleareepiùgrandi, di quantospazioavrebberobisogno? Area massimaoccupabile L’indicesegnala un certolivello di concentrazione per X

19. ESEMPIO

20. 3) INDICE DI CONCENTRAZIONE RELATIVA Simile all’indice di concentrazioneassoluta ma calcolaildifferenziale di concentrazionetra I due gruppi e lo confronta con ildifferenzialetramassimo e minimo 0 -1 +1 L’areaoccupatada X èmaggioredell’areaoccupata da Y L’areaoccupatada Y èmaggioredell’areaoccupata da X I due gruppihanno la stessaconcentrazione Segregazione massima Segregazione minima Se sivaluta la segregazione di X

21. ESEMPIO

22. ESEMPIO un valore positivo così elevato dimostra come il sottogruppo X tenda a concentrarsi più del gruppo Y

23. INDICI DI CENTRALIZZAZIONE’ Misuranoilgrado in cui un gruppoècollocatovicino al centro di un’areaurbana. 1) INDICE DI CENTRALIZZAZIONE ASSOLUTA In questocaso un gruppoètantopiùsegregatoquantopiùèlontano dal centrodell’areaurbana, nell’ottica in cui la posizionecentraleèdominante (Christaller). Data unaregione R divise in sub-aree ordinate secondo la distanzacrescente dal centrodellaregione R 0 -1 +1 Tendenza di X allasegregazionenelleareeperiferiche Tendenza di X allasegregazionenelleareeperiferiche

24. 1) INDICE DI CENTRALIZZAZIONE RELATIVA Misura il profilo relativo della distribuzione dei due gruppi, quello di maggioranza e quello di minoranza; esprime la quota relativa della popolazione di ciascun gruppo che dovrebbe riallocarsi per uguagliare la distribuzione dell’altro gruppo -1 +1 Maggiore tendenza di X allasegregazionenelleareeperiferiche Maggiore tendenza di Y allasegregazionenelleareeperiferiche Qui l’azionedellospazioèindiretta (agisce solo attraversol’ordinamentodellearee) perchèl’indicetieneconto solo delleproporzioni di popolazione

25. ESEMPIO L’indicerilevaunacertatedenza di X a viverenelleareeperiferiche Rispetto al restodellapopolazionegliasiaticisonofortementesegregati verso la periferia

26. INDICI DI RAGGRUPPAMENTO’ Misuranoilgrado in cui imembri del gruppo di minoranzavivono in areecontigue 1) INDICE DI PROSSIMITA’ SPAZIALE Misura la presenza di enclavietniche; la segregazione, in questocaso, è la tendenzaa concentrarsi in areecontigue. Prossimitàspazialetramembridellostessogruppo Prossimitàspazialetramembri di gruppidiversi Media ponderatadelleprossimitàintragruppo

27. SP= 1 Se SP =1 significache la sommadelleprossimità interne aigruppiè =allaprossimitàgenericatragliindividui; NON C’E’ SEGREGAZIONE Al crescere di SP aumenta la prossimitàinternadeigruppi; aumentapertanto la segregazione SP >1

28. ESEMPIO

29. Pyy = 0,153 Ptt = 0,146 Non c’ètendenzaallaformazione di enclavi

30. 2) INDICE DI CLUSTERING RELATIVO 0 I gruppihanno lo stessogrado di prossimitàspaziale La maggioranza (Y) ha piùprossimitàdellaminoranza La minoranza (Y) ha piùprossimitàdellamaggioranza ENCLAVE

31. Pxx = 0,025 Pyy = 0,153 La maggioranza (Y) ha piùprossimitàdellaminoranza

32. USO DEGLI INDICI DI SEGREGAZIONE La definizionedeicollegielettorali La costruzionedeicollegielettoraliè un tematipicamentespaziale. Se ne ègiàparlato a proposito del MAUP: a parità di scala, hovariabilitàdiversa se l’aggregazioneèdiversa. OBIETTIVO: ottenereil minor grado di segregazionerispettoallecategorie di votanti (categoriesociali, gruppi per genere, classid’età, …) Esempio P=progressisti C=conservatori Leggeelettorale: 75% deiseggi con proporzionale; 25% con maggioritario Seggi = 6

33. Per contiguità e omogeneità le possibiliconfigurazionisono 3

34. D1 = 4,0% D2 = 6,4% D3 = 4,2%

35. FACTORIAL ECOLOGY L’analisi fattoriale ecologica è un particolare tipo di analisi fattoriale che ha come unità statistica elementare le aree geografiche. Nota sintetica sull’analisi fattoriale L'analisi fattoriale consente di riassumere l'informazione con un numero ridotto di variabili ortogonali (fattori), rispetto a quelle originali. I fattori non sono conosciuti a priori e la variabilità di ogni variabile viene espressa come combinazione dei vari fattori, con l’esclusione di una quota di variabilità che risulta essere unica. Per ogni data variabile (x):

36. Per poter condurre questa analisi le variabili devono essere fra di loro correlate. Si deve allora valutare la matrice di correlazione e verificare che questa non sia una matrice identità(ovvero con i valori in diagonale uguale ad 1 e gli altri uguali a zero) tramite il test di sfericita' di Bartlett, che deve presentare un valore di P minore di 0,05. L'adeguatezza del data-set viene invece verificata con il test di Kaiser-Meyer-Olkin, che deve presentare dei valori maggiori di 0,60