Analisi socioeconomica e demografica dei 4 grandi comuni del Mezzogiorno

Gli indicatori statistici utilizzati sono costruiti sulla base dei dati desunti dall’ultimo Censimento Istat del 1991. La particolarità di questo Censimento risiede nel fatto che per la prima volta sono presenti, per i 12 comuni con più di 250.000 abitanti, delle suddivisioni a livello di quartieri o di circoscrizione.
In una prima analisi, di tipo generale, si sono utilizzati tutti gli indicatori, senza particolari distinzioni, applicando tecniche di riduzione dello spazio vettoriale (analisi fattoriale), combinata con tecniche di riduzione della numerosità dei dati (cluster), essendo le unità statistiche le suddivisioni territoriali delle quattro città.
Successivamente è stata applicata una cluster di tipo gerarchico e dai risultati ottenuti si è tagliato il dendogramma ad 11 gruppi. La cluster ha evidenziato l’aggregazione di unità territoriali appartenenti alla stessa città, piuttosto che realtà analoghe in diverse città.
Si è proceduto, quindi, ad una seconda analisi, per verificare se vi sono comportamenti analoghi tra i comuni rispetto a variabili descrittrici di un unico gruppo. Si sono creati, perciò, 3 gruppi di variabili.
Come ultima analisi sono stati, infine, considerati separatamente i quattro comuni. Per ognuna delle quattro città sono stati presi gli indicatori che meglio caratterizzano la città e con questi si è cercato di descrivere le peculiarità presenti sul territorio.
Con quest’ultima analisi, che si discosta in maniera consistente dalle precedenti, siamo in grado di cogliere più a pieno le differenziazioni territoriali che condizionano la stretta appartenenza dei quartieri al resto della città, piuttosto che ad un altro comune.
Questo risultato è apparso particolarmente evidente, grazie all’uso di una particolare tecnica di partizione che è la fuzzy clumping, la quale permette di poter definire clusters in cui sono presenti le unità con un certo grado di similarità all’interno del gruppo. Con questo presupposto, è possibile che una stessa unità possa appartenere a più di un gruppo con differenti similarità (o con diversi gradi di appartenenza). La forza di questo metodo è che, potendo una unità appartenere a diversi clusters, è possibile identificare le unità che più sono rappresentative del gruppo, quelle che sono più diffusamente simili e quali sono le variabili che intervengono nell’aggregazione di due unità ed in quale misura intervengono.