Short notes

Il progetto è stato realizzato da ESeC e da ISAE - Istituto di Studi e Analisi Economica. Le due istituzioni, impegnate in indagini settoriali relative alle imprese, studiano proposte alternative per il superamento delle criticità poste dall’applicazione di Neyman: ESeC, ad esempio per la survey e l'analisi del Settore IT promossa da Assinform, propone una metodologia di "Allocazione ottimale con soglia di strato" (Chiodini P.M., Manzi G., Verrecchia F.,2008). ISAE utilizza correntemente per la sua indagine congiunturale un’allocazione ottimale modificata (Malgarini M., Margani P., Martelli B.M., 2005).

Obiettivo della ricerca è la definizione e validazione di metodi di allocazione delle unità campionarie per il caso di popolazione finita. L'applicazione su dati ASIA 2006 riguarda l'occupazione delle imprese industriali con stratificazione per area, settore Ateco 2007 e classe dimensionale.

I risultati metodologici più significativi sono:

1. allocazione secondo Neyman:

• per ragioni tecniche la sampled population è inferiore alla target population (i.e. gli strati con una sola impresa o con poche imprese e bassa variabilità non vengono campionati). Questo comporterebbe il riferimento delle statistiche ai soli strati campionati;

• tuttavia se si considera noto il rapporto: Totale occupazione sul Totale occupazione degli strati campionati (ipotesi irrealistica in quanto il ratio è relativo all’informazione da rilevare) si ha conferma empirica della validità dell’allocazione di Neyman riguardante le statistiche sull'intera popolazione di imprese. Anche se “Judgment about the extent to which these conclusions will also apply to target population must depend on other sources of information” (Cochran, 1977: 5);

• allocazione di Neyman senza aggiustamenti. Le statistiche riferite alla target population non sono le migliori: l’RMSE non è il minore fra quelli dei disegni alternativi esaminati. Inoltre, il rapporto |Bias|/SE risulta maggiore di 0.5;

2. il metodo che garantisce risultati più stabili per le analisi di dominio (i.e. regionali e settoriali) risulta essere quello della AOSU (Allocazione ottimale con soglia di strato);

3. il metodo di allocazione proporzionale, ampiamente utilizzato dagli operatori di settore sembra essere da accantonare, anche per analisi sul totale della popolazione, quando l'unità di base da sondare è l'impresa o le variabili ad essa connesse.

Da questo primo studio diversi gli spunti applicativi:

• 1. metodi multivariati a partire dall’estensione dell’allocazione ottimale di Neyman (Bethel’s algorithm -1989).

• studio dei limiti operativi e dei metodi purposive;

• studio dei limiti della post-stratificazione;

• estensione della ricerca allo studio del VA e del fatturato.

I risultati pubblicati on-line sono relativi ad uno studio di simulazione eseguito in via preliminare con 500 repliche. Tale ricerca ha permesso di mettere in evidenza le principali problematiche oggetto di futuri approfondimenti.

Reports & docs

• Conference abstract
  

• Conference presentation

• Tables

• Summary of Symbols and Terms
  

• Target population and data to be collected by strata

• Random unit selection (Sequentialy ranked)
  

• Samples

  • Allocation methods by strata (units)

  • Allocation methods by strata (%)

• Inference and adjustment
  

  • Inference weights by strata

  • Strata sampled

  • Adjustment of total for methods with some strata not sampled (e.g. Neyman)
    

• Replicates: Total
  

• Overall population statistics

  • Bias, SE, RMSE, CV, RRMSE
    

• Domain analysis

• Max strata errors
  

• Relative |BIASES| by strata
  

• CVs by strata
  

• Relative Total Errors by strata