A cura di: Brunero Liseo, Giorgio Eduardo Montanari, Nicola Torelli
Metodi statistici per l'integrazione di dati da fonti diverse
Pagine: 448
ISBN: 9788846469908
Edizione: 1a edizione 2006
Codice editore: 365.412
Disponibilità: Buona
La raccolta di dati statistici avviene sempre più spesso avendo presente l'obiettivo di combinare le informazioni ottenute in indagini diverse, campionarie o censuarie, sia per aumentarne la portata conoscitiva che per garantire una maggiore qualità del dato statistico. In effetti, il crescente peso organizzativo e i notevoli costi per la realizzazione di indagini statistiche su larga scala rendono spesso improponibili estensioni delle rilevazioni e anche il ricorso a indagini occasionali per esplorare temi emergenti e trasversali è spesso impraticabile. L'uso efficiente di tutte le informazioni disponibili per la produzione di statistiche accurate, tempestive e alle scale territoriali più opportune, è quindi una sfida irrinunciabile. Tale processo è favorito dalla capacità di acquisire, organizzare e mantenere archivi di dati di grandi dimensioni e dalla accresciuta attenzione alle informazioni statistiche che derivano dallo sfruttamento delle basi di dati amministrativi.
Il volume raccoglie alcuni contributi alla ricerca elaborati nell'ambito del progetto di ricerca di interesse nazionale "Metodi statistici per l'integrazione di dati da fonti diverse" finanziato dal MIUR nel 2002. I lavori presenti nel volume sono suddivisi in tre capitoli che riflettono i principali temi affrontati, e che riguardano (a) la stima per piccole aree; (b) i metodi per la costruzione di archivi integrati mediante tecniche di abbinamento; (c) l'uso di dati da più fonti nella fase di stima e la costruzione di sistemi informativi integrati.
Brunero Liseo è professore straordinario di Statistica presso la Facoltà di Economia dell'Università degli Studi di Roma "La Sapienza".
Giorgio Eduardo Montanari è professore ordinario di Statistica presso la Facoltà di Scienze Politiche dell'Università degli Studi di Perugia.
Nicola Torelli è professore ordinario di Statistica presso la Facoltà di Economia dell'Università degli Studi di Trieste.
Il volume raccoglie alcuni contributi alla ricerca elaborati nell'ambito del progetto di ricerca di interesse nazionale "Metodi statistici per l'integrazione di dati da fonti diverse" finanziato dal MIUR nel 2002. I lavori presenti nel volume sono suddivisi in tre capitoli che riflettono i principali temi affrontati, e che riguardano (a) la stima per piccole aree; (b) i metodi per la costruzione di archivi integrati mediante tecniche di abbinamento; (c) l'uso di dati da più fonti nella fase di stima e la costruzione di sistemi informativi integrati.
Brunero Liseo è professore straordinario di Statistica presso la Facoltà di Economia dell'Università degli Studi di Roma "La Sapienza".
Giorgio Eduardo Montanari è professore ordinario di Statistica presso la Facoltà di Scienze Politiche dell'Università degli Studi di Perugia.
Nicola Torelli è professore ordinario di Statistica presso la Facoltà di Economia dell'Università degli Studi di Trieste.
Premessa
Parte I. Stima per piccole aree
Matilde Trevisani, Nicola Torelli, Comparing Hierarchical Bayesian models for small area estimation
Alessandra Petrucci, Nicola Salvati, Small Area Estimation: the Spatial EBLUP at area and at unit level
Michele D'Alò, Stefano Falorsi, Fabrizio Solari, A Computationally More Efficient Reformulation of Small Area Estimations based on Linear Mixed Models
Enrico Fabrizi, Maria Rosaria Ferrante, Silvia Pacei, La stima per piccole aree del reddito equivalente medio tramite modelli misti: un confronto tra ipotesi distributive alternative
Andrea Giommi, Emilia Rocco, L'indagine sulle forze lavoro del comune di Firenze: metodi di stima per piccole aree a confronto
Giovanna Menardi, Adriana Monte, Francesco Pauli, Stima delle Forze di lavoro per le province del Friuli-Venezia Giulia integrando rilevazioni campionarie e fonti amministrative
Silvia Polettini, Alessandra Ponti, Maurizio Lucarelli, Michele D'Alò, Fabrizio Solari, Stimatori per piccole aree su web: un'esperienza open source
Piero Demetrio Falorsi, Stefano Falorsi, Paolo Righi, Fabrizio Solari, Sampling designs for small domains estimation through multiway stratification techniques
Parte II. Tecniche di abbinamento: sviluppi metodologici e applicazioni
Andrea Tancredi, Il problema del broken sample: aspetti computazionali bayesiani
Marco Fortini, Modello cattura-ricattura in presenza di errori di abbinamento: un approccio bayesiano
Flavio Foschi, Brunero Liseo, Metodi statistici di bloccaggio per il record linkage
Alessandra De Rose, Antonio Parisi, Brunero Liseo, Lo scioglimento delle coppie a partire... dalle coppie
Gabriella Schoier, Nicola Torelli, Alessandra Zacchigna, Viviana Egidi, Linda Laura Sabbadini, L'abbinamento statistico dei dati dal sistema di indagini multiscopo: prime proposte e evidenze empiriche
Parte III. Modelli e strutture per l'utilizzo di dati da più fonti
Giorgio Eduardo Montanari, Maria Giovanna Ranalli, Calibrazione multipla rispetto al modello nell'inferenza su popolazioni finite
Marco Ballin, Mauro Scanu, Paola Vicard, Propagazione dell'informazione nel campionamento da popolazioni finite: reti bayesiane e poststratificazione
Marco Di Zio, Giuseppe Sacco, Mauro Scanu, Paola Vicard, Metodologia e software per l'imputazione di dati mancanti tramite le reti beyesiane
Monica Pratesi, Emilia Rocco, Stimatori calibrati in presenza di non risposta
Claudia De Vitiis, Loredana Di Consiglio, Stefano Falorsi, La varianza campionaria della stima di povertà relativa nei disegni campionari a due stadi
Aldo Lamberti, Alessia Naccarato, Alessandro Pallara, Fabrizio Solari, A Dynamic Linear Model for Preliminary Estimation with an application to the Italian Industrial Turnover Survey
Angela Gianfrancesco, Edoardo Pizzoli, Il contenuto informativo dei principali archivi amministrativi (CCIAA, INPS, AGEA): un'analisi delle unità e delle variabili con specifico riguardo al settore agricolo
Giulio D'Epifanio, Su una procedura di stima per modelli multilivello con risposte binarie altamente correlate
Parte I. Stima per piccole aree
Matilde Trevisani, Nicola Torelli, Comparing Hierarchical Bayesian models for small area estimation
Alessandra Petrucci, Nicola Salvati, Small Area Estimation: the Spatial EBLUP at area and at unit level
Michele D'Alò, Stefano Falorsi, Fabrizio Solari, A Computationally More Efficient Reformulation of Small Area Estimations based on Linear Mixed Models
Enrico Fabrizi, Maria Rosaria Ferrante, Silvia Pacei, La stima per piccole aree del reddito equivalente medio tramite modelli misti: un confronto tra ipotesi distributive alternative
Andrea Giommi, Emilia Rocco, L'indagine sulle forze lavoro del comune di Firenze: metodi di stima per piccole aree a confronto
Giovanna Menardi, Adriana Monte, Francesco Pauli, Stima delle Forze di lavoro per le province del Friuli-Venezia Giulia integrando rilevazioni campionarie e fonti amministrative
Silvia Polettini, Alessandra Ponti, Maurizio Lucarelli, Michele D'Alò, Fabrizio Solari, Stimatori per piccole aree su web: un'esperienza open source
Piero Demetrio Falorsi, Stefano Falorsi, Paolo Righi, Fabrizio Solari, Sampling designs for small domains estimation through multiway stratification techniques
Parte II. Tecniche di abbinamento: sviluppi metodologici e applicazioni
Andrea Tancredi, Il problema del broken sample: aspetti computazionali bayesiani
Marco Fortini, Modello cattura-ricattura in presenza di errori di abbinamento: un approccio bayesiano
Flavio Foschi, Brunero Liseo, Metodi statistici di bloccaggio per il record linkage
Alessandra De Rose, Antonio Parisi, Brunero Liseo, Lo scioglimento delle coppie a partire... dalle coppie
Gabriella Schoier, Nicola Torelli, Alessandra Zacchigna, Viviana Egidi, Linda Laura Sabbadini, L'abbinamento statistico dei dati dal sistema di indagini multiscopo: prime proposte e evidenze empiriche
Parte III. Modelli e strutture per l'utilizzo di dati da più fonti
Giorgio Eduardo Montanari, Maria Giovanna Ranalli, Calibrazione multipla rispetto al modello nell'inferenza su popolazioni finite
Marco Ballin, Mauro Scanu, Paola Vicard, Propagazione dell'informazione nel campionamento da popolazioni finite: reti bayesiane e poststratificazione
Marco Di Zio, Giuseppe Sacco, Mauro Scanu, Paola Vicard, Metodologia e software per l'imputazione di dati mancanti tramite le reti beyesiane
Monica Pratesi, Emilia Rocco, Stimatori calibrati in presenza di non risposta
Claudia De Vitiis, Loredana Di Consiglio, Stefano Falorsi, La varianza campionaria della stima di povertà relativa nei disegni campionari a due stadi
Aldo Lamberti, Alessia Naccarato, Alessandro Pallara, Fabrizio Solari, A Dynamic Linear Model for Preliminary Estimation with an application to the Italian Industrial Turnover Survey
Angela Gianfrancesco, Edoardo Pizzoli, Il contenuto informativo dei principali archivi amministrativi (CCIAA, INPS, AGEA): un'analisi delle unità e delle variabili con specifico riguardo al settore agricolo
Giulio D'Epifanio, Su una procedura di stima per modelli multilivello con risposte binarie altamente correlate
Contributi: Marco Baldin, Michele D'Alò, Alessandra De Rose, Claudia De Vitiis, Giulio D'Epifanio, Loredana Di Consiglio, Marco Di Zio, Viviana Egidi, Enrico Fabrizi, Piero Demetrio Falorsi, Stefano Falorsi, Maria Rosaria Ferrante, Marco Fortini, Flavio Foschi, Angela Gianfrancesco, Andrea Giommi, Aldo Lamberti, Maurizio Lucarelli, Giovanna Menardi, Adriana Monte, Alessia Naccarato, Silvia Pacei, Alessandro Pallara, Antonio Parisi, Francesco Pauli, Alessandra Petrucci, Edoardo Pizzoli, Silvia Polettini, Alessandra Ponti, Monica Pratesi, Maria Giovanna Ranalli, Paolo Righi, Emilia Rocco, Linda Laura Sabbadini, Giuseppe Sacco, Nicola Salvati, Mauro Scanu, Gabriella Schoier, Fabrizio Solari, Andrea Tancredi, Matilde Trevisani, Paola Vicard, Alessandra Zacchigna
Collana: Economia - Ricerche
Argomenti: Demografia e statistica - Matematica e geometria
Livello: Studi, ricerche
Potrebbero interessarti anche
