La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

SIEDS 2010 Milano 27-29 MAGGIO 2010 LA PRESENZA STRANIERA IN ITALIA ATTRAVERSO LUSO DI MODELLI SPAZIALI MASSIMO MUCCIARDI* - PIETRO BERTUCCELLI** * Department.

Presentazioni simili


Presentazione sul tema: "SIEDS 2010 Milano 27-29 MAGGIO 2010 LA PRESENZA STRANIERA IN ITALIA ATTRAVERSO LUSO DI MODELLI SPAZIALI MASSIMO MUCCIARDI* - PIETRO BERTUCCELLI** * Department."— Transcript della presentazione:

1 SIEDS 2010 Milano MAGGIO 2010 LA PRESENZA STRANIERA IN ITALIA ATTRAVERSO LUSO DI MODELLI SPAZIALI MASSIMO MUCCIARDI* - PIETRO BERTUCCELLI** * Department D.E.S.Ma.S. V. Pareto, University of Messina **Department S.E.Fi.S.A.S.T., University of Messina

2 Introduzione Il presente lavoro si prefigge di offrire un quadro quantitativo sulla distribuzione spaziale degli immigrati distinti per provenienza geografica. In questa fase della ricerca, sebbene una prima stima dei modelli sia già stata eseguita, presenteremo esclusivamente i risultati concernenti la fase esplorativa delle variabili. A partire dai dati presenti sullAtlante Statistico dei Comuni (Istat, 2009) sono stati applicate tecniche di analisi di autocorrelazione spaziale locale per esaminare la distribuzione territoriale degli stranieri presenti sul territorio provinciale italiano. Lanalisi condotta allo stato attuale del lavoro, evidenzia una sostanziale differenza tra le aree geografiche di provenienza degli immigrati (Unione Europea, paesi dellEst Europa, Africa, Asia e America). In modo particolare, i risultati suggeriscono una forte presenza di fenomeni di clusterizzazione spaziale.

3 Alcune metodologie utilizzate per il fenomeno migratorio Il meccanismo delle catene di richiamo (REYNERI, 1979); Analisi dei flussi (Tobler, 1987); Quadrat analysis (elaborata per analizzare il particolare fenomeno della collocazione e disposizione di un insieme di punti su una superficie) (Altavilla- Mazza, 2008).

4 I fenomeni migratori dal punto di vista dellanalisi spaziale (1) Lapplicazione di tecniche di analisi spaziale ai fenomeni migratori è stata finora piuttosto limitata o piuttosto trascurata in favore di tecniche di analisi più classiche. In realtà, la scarsa disponibilità di dataset georeferenziati ha sempre limitato lapplicazione delle molte metodologie che compongono il corpus letterario riguardante lanalisi statistica dei dati spaziali, in cui risulta fondamentale il legame tra dato e coordinate (in qualsiasi sistema di riferimento).

5 I fenomeni migratori dal punto di vista dellanalisi spaziale (2) Negli ultimi anni, lo sviluppo delle tecnologie informatiche, in particolare i GIS e, più in generale, le basi di dati, ha comunque favorito a incrementare linteresse della comunità scientifica verso questo tipo di analisi. Infatti, la possibilità utilizzare nuovi strumenti quali, per esempio, le mappe tematiche, ha enormemente ampliato le possibilità esplicative e interpretative di una moltitudine di casi studio. Soprattutto in campo demografico, le applicazioni di tipo territoriale hanno visto un notevole sviluppo. Tematiche come la fertilità (Lesthaeghe and Neels, 2002; White et al.,2007) hanno trovato ampia trattazione.

6 Analisi dell autocorrelazione spaziale attraverso gli indici di Moran Dove le osservazioni zi and zj sono in forma standardizzata e i pesi wij sono elementi generici della matrice di interconnessione W (generalmente in forma standardizzata per riga ). La matrice dei pesi utilizzata nella presente applicazione è stata generata attraverso lalgoritmo maxmin (Mucciardi, 1998) (distanza di soglia di 80,8 Km). Evidenzieremo ora i risultati più importanti che abbiamo ottenuto considerando lanalisi dei cluster e degli outlier spaziali. Essi sono basati sullindice globale di Moran (Moran I) e sull indice locale (Anselins Local Moran, 1995) calcolati attraverso Sjoint (Mucciardi-Bertuccelli, 2007) e mappati attraverso luso del GIS (ARCGIS 9.1).

7 Moran scatterplot Unione europea

8 Valori z significativi per Unione europea Moran I = 0.61 PROVINCIALMiIndexCOTypePROVINCIALMiIndexCOType Torino0.9606HHBari1.6138LL Asti0.9952HHTaranto1.8254LL Arezzo1.7888HHBrindisi1.9573LL Siena1.6521HHPotenza1.1345LL Grosseto1.9990HHMatera1.2166LL Perugia1.6073HHPalermo1.5375LL Terni3.0357HHCaltanissetta1.2317LL Viterbo4.1789HHEnna1.0599LL Rieti1.9088HHCatania1.1330LL Roma3.8999HHCagliari2.0443LL Latina1.4860HHOristano1.8918LL Caserta0.8933LL Benevento1.1752LL Napoli1.5536LL Avellino1.1395LL

9 Moran scatterplot Africa

10 Valori z significativi per Africa Moran I =0.63 PROVINCIALMiIndexCOTypePROVINCIALMiIndexCOType Vercelli0.6516HHBologna0.9476HH Novara0.9452HHCampobasso1.0046LL Milano0.9858HHIsernia0.8264LL Bergamo2.4004HHBenevento1.0668LL Brescia3.0700HHAvellino1.0719LL Cremona2.0754HHTaranto1.3000LL Mantova3.5220HHBrindisi1.4042LL Lecco1.7324HHRagusa HL Lodi2.4394HH Verona2.0116HH Vicenza0.8722HH Piacenza1.2025HH Parma2.2051HH Reggio Emilia2.2436HH Modena2.3034HH

11 Moran scatterplot America

12 Valori z significativi per America Moran I = 0.50 PROVINCIALMiIndexCOType Alessandria1.8647HH Varese1.0993HH Como0.6764HH Milano3.6125HH Bergamo1.1072HH Pavia1.7086HH Lecco0.7218HH Lodi1.9429HH Savona1.4837HH Genova6.4367HH La Spezia3.3264HH Piacenza3.0392HH Parma0.7414HH

13 Moran scatterplot Asia

14 Valori z significativi per Asia Moran I =0.37 PROVINCIALMiIndexCOType Brescia1.4445HH Cremona1.4139HH Mantova4.7475HH Verona1.3463HH Reggio Emilia1.3780HH Modena1.8689HH Bologna1.7988HH Firenze1.8680HH Arezzo0.8158HH Prato3.9407HH

15 Moran scatterplot paesi Europa dellEst

16 Valori z significativi per paesi Europa dell Est Moran I =0.71 PROVINCIALMiIndexCOTypePROVINCIALMiIndexCOType Trento1.3220HHBenevento0.9836LL Vicenza1.7344HHCatanzaro1.1165LL Belluno1.0496HHPalermo1.9699LL Treviso2.0479HHMessina1.6415LL Udine1.3722HHAgrigento2.0325LL Gorizia2.0361HHCaltanissetta1.8196LL Trieste2.4491HHEnna1.7352LL Pordenone1.7825HHCatania1.6755LL Rimini1.6358HHSiracusa1.6077LL Siena0.8592HHNuoro1.8573LL Perugia1.2843HHOristano1.8557LL Pesaro e Urbino1.4816HH Macerata1.4454HH

17 Sviluppi futuri Individuare un insieme di variabili che aiuti a spiegare i fenomeni di clusterizzazione spaziale riscontrati con le analisi degli indici di Moran. Costruire modelli di regressione geografica pesata (GWR, Fotheringham 2002) che tengano conto della forte presenza di autocorrelazione spaziale. Cercare di valutare, attraverso opportuni metodi di stima, il peso della componente clandestina sui flussi migratori regolari.

18 Riferimenti L Anselin, (1995) – Local Indicators of spatial association; Geographical Analysis 27(2): AS Fotheringham, C Brunsdon, M Charlton (2002) - Geographically weighted regression: the analysis of spatially varying relationships; John Wiley & Sons R Lesthaeghe, K Neels (2002) - From the First to the Second Demographic Transition: An Interpretation of the Spatial Continuity of Demographic Innovation in France, Belgium and Switzerland. In: European Journal of Population 18, pp M Mucciardi, P Bertuccelli (2007) - S-Joint: a new software for the analysis of spatial data; Atti della Riunione Scientifica Intermedia della Società Italiana di Statistica, Venezia. M Mucciardi (1998) - La procedura D.S.M.A. per la misura dellintensità dei legami tra unità spaziali di tipo puntuale; SIS XXXIX Riunione Scientifica, Sorrento, M J White, G Gabrielli, L Bernardi, D I Kertzer, S Perra (2007): Regional Context and Fertility. Population Association of America 2007 annual meeting program, New York march Atlante Statistico dei comuni (2009) - ISTAT

19 FINE


Scaricare ppt "SIEDS 2010 Milano 27-29 MAGGIO 2010 LA PRESENZA STRANIERA IN ITALIA ATTRAVERSO LUSO DI MODELLI SPAZIALI MASSIMO MUCCIARDI* - PIETRO BERTUCCELLI** * Department."

Presentazioni simili


Annunci Google