Un estudio estadistico sobre las areas
europeas y las diversas estructuras sociales.
de
Luciano Vasapollo1
A. La confirmaciòn de las tendencias
macroeconòmicas de una aplicaciòn de anàlisis de los datos estadìsticos.
1.Para comprender mejor las dinámicas
inerhentes a las políticas económicas en los países europeos fue realizado un
análisis estadístico multidimensional sobre los datos. A través de ellos es
posible sintetizar las eventuales relaciones de afinidad presentes entre los
varios países, tomando como punto de referencia 1996, año de importancia
fundamental para los órdenes político-económicos de la Union Europea, también
en función de la valoración macroeconómica para la admisión a la Unión
Monetaria del 1998.
En diciembre de 1995
el Consejo Europeo aprueba las decisiones operativas para la realizaciòn del
Euro y viene convocada en Turìn La Conferencia intergovernativa que se reùne en
marzo de 1996 y delibera sobre la actualizaciòn del Tratado de Amsterdam.
Siempre, en 1996, se aprueba, en lìneas generales, el “pacto de estabilidad”
que establece penalidades muy fuertes para los paìses que teniendo la moneda
comùn, no respeten las polìticas rigurosas de balance. Ademàs, es en 1996, que
fue aprobado el documento sobre la lucha a la desocupaciòn. Fue elegido el 1996
como el año para realizar el anàlisis tambièn porque es el año del que se
tienen datos (fuente Eurostat) en su mayorìa homogèneos y màs completos entre
los màs recientes respecto a las variables objeto de investigaciòn. Para un
anàlisis màs completo hubiera sido màs oportuno disponer de otras variables (en
particular sobre los gastos de Seguridad Social y asistenciales) pero los datos
no estaban disponibles o, de todas maneras,
no eran completos y homogèneos para poder considerarlos con utilidad.
2. Este estudio fue posible gracias a la utilización de
técnicas estadísticas muy variadas, aplicadas a las grandezas de los sujetos
singulares analizados.
Sería interesante , entonces, la
identificación de características latentes y de homogeneidad capaces de
individuar distintas agregaciones de países. En particular la utilización de
los análisis de los grupos (“Cluster Analisys”) ha consentido representar las
condiciones legadas al uso de otra investigación multidimensional: el análisis
en componentes principales.En efecto, conociendo a priori algunas generalidades
del conjunto de los países analizados, es posible verificar si los “cluster”
formados corresponden a una caracterización politicoeconómica con un cierto
nivel de homogeneidad. La
eventualidad que esto no se verifique demostraría una corrección de aplicación
solo desde el punto de vista formal. Los datos se refieren a variables relativas a la
población, a la ocupación, a la desocupación y a las políticas de protección
social. Las variables son citadas en la Tabla 1.
POPA: Población comprendida entre 25 y 49 anos
(% respecto al total de la poblacion)
POPB: Población de edad comprendida entre 50 y 64 anos.
% respecto al total de la población
POPC: Población de edad comprendida entre 65 y 80 anos
(% respecto al total de la población)
TAM: Tasa de actividad masculina
TAF: Tasa de actividad femenina
TOM: Tasa de ocupación masculina
TOF: Tasa de ocupación femenina
OPTM: Tasa de ocupación a tiempo parcial masculino
OPTF: Tasa de ocupación a tiempo parcial femenina.
TDF: Tasa de desocupación femenina
TDM: Tasa de desocupación masculina
DLD: Tasa de desocupación por largo periodo (12 meses o mas)
IRPP:Impuesto al rédito,patrimonio, etc,-valores a precios
corrientes (respecto al Producto Bruto Interno)
OLD: Horas promedio trabajadas semanalmente (ocupados a tiempo
completo)
SSPC: Gastos en salud
por capita en SPA (standar de poder de adquisición)
SSTP: Gastos en salud total respecto al Producto Bruto Interno
Tabla 1. Variables de
análisis.
El análisis fue
realizado sobre los países europeos de la Unión Europea reportados en la Tabla
2.
|
Belgio Belgica |
B |
|
Danimarca Dinamarca |
DK |
|
Germania Alemania |
D |
|
Grecia Grecia |
EL |
|
Spagna Espana |
E |
|
Francia Francia |
F |
|
Irlanda Irlanda |
IRL |
|
Italia Italia |
I |
|
Lussemburgo Luxemburgo |
L |
|
Paesi
Bassi Paises Basos |
NL |
|
Austria Austria |
A |
|
Portogallo Portugal |
P |
|
Finlandia Finlandia |
FIN |
|
Svezia Svecia |
S |
|
Regno
Unito Reino Unido |
UK |
Tabla 2: Países
objeto de análisis.
Tabla 3: Matriz de los datos
Sobre la matriz de los datos fue necesario recurrir a metodos
estadísticos de regresión y de media móvil, para estimar algunos valores que
faltan.
Por ejemplo, sobre los datos relativos
a los gastos en salud respecto al Producto Bruto Interno para Espana no resulta
relevado el valor de 1996 (Ver Tabla 4); por lo tanto fue necesario efectuar
una interpolaciòn a travès de una recta de regresiòn y encontrar las
coordinadas de la recta y estimar el valor para el 1996.
|
|
1986 |
1987 |
1988 |
1989 |
1990 |
1991 |
1992 |
1993 |
1994 |
1995 |
1996 |
E
|
5,6 |
5,7 |
6,3 |
6,5 |
6,9 |
7,1 |
7,2 |
7,3 |
7,3 |
7,6 |
|
Tabla 4: Gastos en salud respecto al Producto Bruto Interno
de Espana entre 1986-1995.
Grafica 1.Estimaciòn de los gastos en
salud respecto al Producto Bruto Interno en Espana en 1996.
De la gràfica se evidencia que la mejor funciòn par
interpolar los datos se obtiene justamente resolviendo la equaciòn de la recta
de regresiòn , considerando el valor del coeficiente de regresion R2=0,9249,
que resulto muy elevado y por lo tanto adaptado a la estimaciòn; se llega al
valor de la y=7,9.
|
|
1986 |
1987 |
1988 |
1989 |
1990 |
1991 |
1992 |
1993 |
1994 |
1995 |
1996 |
E |
5,6 |
5,7 |
6,3 |
6,5 |
6,9 |
7,1 |
7,2 |
7,3 |
7,3 |
7,6 |
7,9 |
Tabla 5: Gastos en salud respecto al Producto Bruto Interno
en Espana, con el 1996 estimado.
El mismo procedimiento fue adoptado para la estimaciòn del
valor de los gastos totales respecto al Producto Bruto Interno para Irlanda en
el 1996. En este caso la aproximaciòn se diò a travès de una funciòn polimonial
de segundo grado, a travès de la cual se estimò precedentemente el valor para
el 1995, (ver Grafica 2) de la cual se llega a la estimaciòn del valor para el
ano 1996 (ver Tabla 7)
|
|
1986 |
1987 |
1988 |
1989 |
1990 |
1991 |
1992 |
1993 |
1994 |
1995 |
1996 |
IRL
|
7,7 |
7,4 |
7,0 |
6,5 |
6,6 |
6,8 |
7,1 |
7,1 |
7,6 |
8,0 |
|
Tabla 6: Gastos en salud respecto al Producto Bruto Interno
en Irlanda, 1986-1995
Grafica 2 : Estimaciòn de los gastos en
salud respecto al Producto Bruto Interno en Irlanda, en el 1996.
|
|
1986 |
1987 |
1988 |
1989 |
1990 |
1991 |
1992 |
1993 |
1994 |
1995 |
1996 |
IRL |
7,7 |
7,4 |
7,0 |
6,5 |
6,6 |
6,8 |
7,1 |
7,1 |
7,6 |
8,0 |
8,3 |
Tabla 7: Gastos en salud respecto al PBI en Irlanda con 1995
estimado.
Con la ayuda de la Tabla 8, que cita un
conjunto de estadísticas descriptivas, se nota que las variables son idóneas al
análisis estadístico de los datos mostrando una variabilidad no demasiado
elevada y así pues una adaptabilidad al análisis multidimensional.
|
|
Media |
Dev. std. |
Analisis factorial N |
| POPA |
37,00 |
1,81 |
15 |
| POPB |
16,26 |
1,43 |
15 |
| POPC |
11,40 |
1,05 |
15 |
| TAM |
77,41 |
3,75 |
15 |
| TAF |
57,94 |
10,59 |
15 |
| TOM |
70,27 |
5,32 |
15 |
| TOF |
51,39 |
11,17 |
15 |
| OPTM |
5,99 |
3,99 |
15 |
| OPTF |
27,83 |
15,46 |
15 |
| TDF |
11,92 |
6,16 |
15 |
| TDM |
9,14 |
4,15 |
15 |
| DLD |
43,54 |
14,40 |
15 |
| IRPP |
14,97 |
6,31 |
15 |
| OLD |
39,96 |
1,36 |
15 |
| SSPC |
1504,26 |
448,39 |
15 |
| SSTP |
7,64 |
,93 |
15 |
Para efectuar el análisis multidimensional nos servimos de la
utilización de dos softwares estadísticos aplicados, el SPSS y el WINSPAD,
respectivamente para el análisis en componentes principales y el análisis por
grupo.4
La utilizacion de variables no
correlacionadas es tambien necesario en la Cluster Analysis, y por lo tanto en
funcion de este analisis en los componentes principales fue utilizada
exclusivamente como alternativa a distancia de Mahalanobis.
Analizando la Tabla 9 (matriz de correlación5) se deduce que para efectuar la Cluster Analysis ocurre
eliminar las variables relativas a la tasa de ocupaciòn masculina y al taso de
ocupaciòn femenina (TOM y TOF) porque estàn fuertemente correlacionadas con
las tasas de actividad. Se ha elegido
no considerar las variables relativas a la poblaciòn: POA, POB e POC porque no
son significativas al fin del sucesivo anàlisis.
|
|
POPA |
POPB |
POPC |
TAM |
TAF |
TOM |
TOF |
OPTM |
OPTF |
TDF |
TDM |
DLD |
IRPP |
OLD |
SSPC |
SSTP |
|
POPA |
1,000 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
POPB |
0,082 |
1,000 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
POPC |
-0,224 |
0,631 |
1,000 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
TAM |
0,168 |
0,117 |
-0,189 |
1,000 |
|
|
|
|
|
|
|
|
|
|
|
|
|
TAF |
0,065 |
0,058 |
0,013 |
0,612 |
1,000 |
|
|
|
|
|
|
|
|
|
|
|
|
TOM |
0,351 |
0,191 |
-0,214 |
0,784 |
0,338 |
1,000 |
|
|
|
|
|
|
|
|
|
|
|
TOF |
0,151 |
0,046 |
-0,039 |
0,692 |
0,966 |
0,508 |
1,000 |
|
|
|
|
|
|
|
|
|
|
OPTM |
0,228 |
-0,216 |
-0,280 |
0,545 |
0,600 |
0,372 |
0,591 |
1,000 |
|
|
|
|
|
|
|
|
|
OPTF |
0,408 |
-0,183 |
-0,264 |
0,559 |
0,490 |
0,432 |
0,549 |
0,793 |
1,000 |
|
|
|
|
|
|
|
|
TDF |
-0,367 |
0,042 |
0,250 |
-0,514 |
-0,413 |
-0,754 |
-0,628 |
-0,274 |
-0,413 |
1,000 |
|
|
|
|
|
|
|
TDM |
-0,574 |
0,004 |
0,147 |
-0,311 |
-0,068 |
-0,563 |
-0,225 |
-0,109 |
-0,397 |
0,562 |
1,000 |
|
|
|
|
|
|
DLD |
-0,310 |
-0,060 |
-0,007 |
-0,577 |
-0,677 |
-0,487 |
-0,707 |
-0,252 |
-0,247 |
0,473 |
0,215 |
1,000 |
|
|
|
|
|
IRPP |
0,070 |
0,005 |
0,015 |
0,341 |
0,555 |
0,257 |
0,535 |
0,390 |
0,224 |
-0,234 |
-0,246 |
-0,447 |
1,000 |
|
|
|
|
OLD |
-0,277 |
-0,130 |
0,079 |
0,386 |
0,095 |
0,014 |
0,135 |
0,002 |
0,122 |
-0,054 |
0,107 |
-0,041 |
-0,416 |
1,000 |
|
|
|
SSPC |
0,774 |
0,168 |
-0,124 |
0,025 |
0,098 |
0,259 |
0,180 |
-0,036 |
0,332 |
-0,399 |
-0,634 |
-0,306 |
0,073 |
-0,326 |
1,000 |
|
|
SSTP |
0,220 |
-0,559 |
-0,354 |
-0,185 |
0,133 |
-0,322 |
0,092 |
0,260 |
0,455 |
0,048 |
-0,007 |
0,081 |
-0,160 |
-0,003 |
0,307 |
1,000 |
Tabla 9: matriz
de correlaciòn
Las estadìsticas iniciales, por
consiguiente, estàn referidas solamente a 11 de las 16 variables consideradas precedentemente.
|
|
|
|
|
|
|
Variabile |
Componente |
Varianza del componente |
% di varianza |
Porcentaje acumulado |
|
TAM |
1 |
4,0895 |
37,1773 |
37,1773 |
|
TAF |
2 |
1,8537 |
16,8518 |
54,0291 |
|
OPTM |
3 |
1,5949 |
14,4996 |
68,5288 |
|
OPTF |
4 |
1,3721 |
12,4737 |
81,0026 |
|
TDF |
5 |
0,8243 |
7,494 |
88,4966 |
|
TDM |
6 |
0,4185 |
3,8045 |
92,3012 |
|
DLD |
7 |
0,3376 |
3,0693 |
95,3706 |
|
IRPP |
8 |
0,1843 |
1,6756 |
97,0463 |
|
OLD |
9 |
0,1451 |
1,3191 |
98,3654 |
|
SSPC |
10 |
0,1182 |
1,0747 |
99,4401 |
|
SSTP |
11 |
0,0615 |
0,5598 |
100 |
Tabla 10:
estadìsticas iniciales.
En las tablas 10
y 11 son introducidas grandezas como la Comunalidad, “Autavalore”, porcentajes
de varianza o informacion explicada.6
|
|
Componente |
Comunalidad |
Varianza del componente |
% di varianza |
Porcentaje acumulado |
|
TAM |
1 |
0,8699 |
4,0895 |
37,1773 |
37,1773 |
|
TAF |
2 |
0,7889 |
1,8537 |
16,8518 |
54,0291 |
|
OPTM |
3 |
0,8315 |
1,5949 |
14,4996 |
68,5288 |
|
OPTF |
4 |
0,8895 |
1,3721 |
12,4737 |
81,0026 |
|
TDF |
5 |
0,7073 |
|
|
|
|
TDM |
6 |
0,7785 |
|
|
|
|
DLD |
7 |
0,6394 |
|
|
|
|
IRPP |
8 |
0,8488 |
|
|
|
|
OLD |
9 |
0,9002 |
|
|
|
|
SSPC |
10 |
0,8479 |
|
|
|
|
SSTP |
11 |
0,8078 |
|
|
|
Tabla 11:
Estadisticas finales sobre los cinco factores.
Desde la matriz de los pesos factoriales es, en cambio, posible examinar
la relaciòn existente entre las variables originarias y las componentes
principales y por lo tanto etiquetar estas ùltimas en base a las variables que
contribuyen en su mayorìa a su formaciòn.
Tabla 12: matriz
de los pesos factoriales.
De la tabla 12 se deduce que el primer factor es facilmente etiquetable a
travès de la problemàtica relativa a las dinàmicas ocupacionales; el segundo
factor con los gastos en salud total pro càpita y la tasa de desocupaciòn
masculina (pero tambièn con las horas promedio trabajadas);el tercer factor
con los gastos en salud total respecto al PBI (pero tambièn con la ocupaciòn a
tiempo parcial femenina; y el cuarto y ùltimo factor etiquetable a travès las
variables relativas a las horas trabajadas y a los impuestos al rèdito y al
patrimonio (tambièn con las tasa de desocupaciòn).
3. En nuestro caso en examen interesan las semejanzas
entre los paìses y para individuar “grupos” es por lo tanto oportuno usar un
mètodo jeràrquico a fin de obtener las
mejores divisiones.7.
El Spadwin suministra por default las divisiones mejores; en nuestro caso ha
individuado dos respectivamente de cinco y de siete grupos. El “dendogramma”
de este mètodo de construcciòn llega a los mismos resultados que se obtuvieron
usando el Spss y en particular el mètodo del nexo de Ward, esto porquè tambièn
el Spadwin utiliza el mismo criterio de agregaciòn.
Para visualizar mejor los
grupos, estos estàn representados sobre un plano cartesiano formado por el
primer y segundo factor, que explican el 54% de la variabilidad total.
Grafica
3: Representaciòn del cluster de cinco grupos sobre un plan cartesiano
individuada por los primeros dos factores.
Grafica
4: Representaciòn del cluster de siete grupos sobre un plano cartesiano
individuado por los primeros dos factores.
Observando las gràficas se
evidencia la agregaciòn de paiìes como Italia, Francia y Bèlgica, Finlandia; ;
desde el momento que las unidades –paìses estàn juntas en virtud de las
variables con valores entre ellas muy cercanos (por lo tanto con
caracterìsticas de similitud entre ellos) risulta que en este primer grupo las
variables en su mayorìa caracterizantes son las relativas al TAM, TDF, al OLD
y al SSTP. El grupo “verde” està constituìdo por Espana, Grecia, Irlanda y Portugal y
las variables en su mayorìa caracterizantes son los gastos en Salud, el OLD y
el Tam. El grupo fomado por Alemania, Austria y Luxemburgo està tambièn caracterizado
por los gastos en salud , del OLD y del TAM, que son variables caracterìsticas
tambièn para el grupo formado por Suecia y Dinamarca, en el que sume un
significado caracteristico tambièn el TAF< el OPTM , el OPTF, el TDF. En
fin, el grupo formado por Reino Unido y Paìses Bajos resulta, en su mayorìa,
caracterizado por los impuestos al rèdito y al patrimonio, por la tasa de
actividad masculina, por el TDF y por el STP.
El grafico 4
muestra la divisiòn en siete grupos cuyas diferencias con el de cinco grupos
estàn dadas por el hecho que la Finlandia constituye un grupo en sì mismo asì
como el Reino Unido y los Paises Bajos que estàn separados en dos “cluster
“distintos. Se prefiriò considerar màs la divisiòn en cinco grupos porque la
de siete resulta muy fragmentada.
Tabla 13: Comparaciòn entre la media general y en cada
grupos.
4. En la Tabla 13 estan referidas las confrontaciones
entre la media general y las medias de cada grupo singular. Emerge que el
grupo “rojo” formado por Italia, Finlandia, Francia y Bèlgica, tiene como
medias del grupo relativas a las tasas de actividad y a las tasas de ocupaciòn
a tiempo parcial inferiores a la media generales mientras son
significativamente mayores a la media general las tasas de desocupaciòn ( en
particular aquellas por un largo perìodo). Son
un poco superiores a la media los gastos en salud pero tambièn los impuestos
al rèdito y al patrimonio. El grupo “verde” formado por Grecia, Espana,
Irlanda y Portugal, tienen las tasas de ocupaciòn y de actividad en promedio inferior a la media general, asì como
aquellos relativos a la ocupaciòn parcial ( significativamente màs baja es la
media de las mujeres ocupadas a tiempo parcial ). Las tasas de desocupaciòn
resultan siempre mayores de la media general. En particular, es mucho màs alta
la tasa de desocupaciòn por largo perìodo. Los gastos de salud son inferiores
a la media europea como asì tambièn el IRPEF. Los paìses que pertenecen al
tercer grupo, Alemania, Austria y Luxemburgo se caracterizan por tener casi
todos tasas inferiores a la media, exepto el TAM y los SSPC superiores. Es
necesario subrayar como las tasas de desocupaciòn sean significativamente màs
bajas del promedio general. El grupo “azul” (Reino Unido y Holanda), en cambio, se
caracteriza por el hecho de tener las tasas de actividad y de ocupaciòn a
tiempo parcial mayores de la media europea mientras las tasas de desocupaciòn
son inferiores. El grupo “negro” formado por Suecia y Dinamarca tiene,
respecto a la media europea tasas de actividad y ocupaciòn superiores ( en
particular modo màs altos de la media general son las tasas de actividad
femenina y la ocupaciòn parcial femenina) ; las tasas de desocupaciòn
inferiores, particularmente es muy baja la tasa de desocupaciòn por un largo
perìodo. Ademàs, este grupo
tiene un IRP mucho màs alto respecto a aquel general de la media europea.
B. Las
conclusiones de la aplicacion estadistica: desarrollo desigual y confrontacion
de los modelos capitalistas.
1. Se puede concluir , asi como resulta
de los anàlisis de naturaleza estadìstica-econòmica, presentados en los
paràgrafos precedentes, que los paìses del EUR 15 tienen modelos de
capitalismo y sus opciones de polìtica econòmica entre ellos , a menudo,
fuertemente distintas.
En particular, el primer grupo
(Francia, Italia, Finlandia, Belgica) està caracterizado por una escasa
atenciòn a las polìticas del trabajo comportando, ademàs, tasas de
desocupaciòn màs elevadas de la media europea y ciertamente, una falta de
atenciòn a las polìticas de ocupaciòn para las mujeres. De frente a esto no
resultan particularmente comprometidas y significativamente positivas las
polìticas sociales, en general. Se trata de paises que aùn no tienen una
autonomìa propia caracterìstica y especìfica como modelo de capitalismo de referencia,
sin las caracterìsticas tìpicas del
modelo franco-alemàn o del anglosasòn
mostrando. De todas maneras , en
algunas variables y caracterìsticas demuestra un empuje, en estos ùltimos
anos, hacia un sistema con bajo contenido de protecciòn social con una
situaciòn muy preocupante en el mercado del trabajo.
El segundo grupo (Grecia,
Espana, Irlanda y Portugal)es seguramente el grupo màs dèbil de los paìses del
EUR15, sea por lo que respecta a las polìticas en el plano ocupacional sea con
referencia a las polìticas sociales en
general.Ademàs de las altìsimas tasas de desocupaciòn respecto a la media
europea, emerge una particular falta de polìticas ocupacionales en particular
para las mujeres con altìsimas tasas de desocupaciòn por largos perìodos. Se
trata de un anillo dèbil en el àrea de los paises del EUR15 que, màs que
elegir un modelo de capitalismo, tienen todavìa que efectuar polìticas
econòmicas estructurales y globales idòneas para poder ponerse al mismo nivel
con el resto de Europa.
El tercer grupo (Alemania,
Austria, Luxemburgo) tiene las caracterìsticas tìpicas del modelo del modelo
francès-alemàn, en el cual se evidencian tasas de desocupaciòn fuertemente màs
bajas de la media europea, por lo tanto se evidencia una atenciòn particular a
la polìticas laborales con significativa influencia en la polìtica social.
El cuarto grupo (Reino Unido y
Holanda) responde en manera tìpica a la estructura y a las polìticas del
modelo de capitalismo anglosajòn. En realidad, las tasas bajas de desocupaciòn
acompanadas de altas tasas de actividad y de ocupaciòn a tiempo parcial
ocultan, en efecto, polìticas laborales con gran contenido de flexibilidad,
precariedad e intermitencia en la relaciòn laboral. Se demuestra èsto,
tambièn, indirectamente, por un horario de trabajo medio semananal màs bajo
del promedio europeo, que confirma, formas de precariedad del trabajo
recurriendo al trabajo a tiempo parcial. Todo esto no tiene como consecuencia
mejores condiciones respecto a las polìticas sociales.
El ùltimo grupo ( Dinamarca y
Suecia) muestra una impostaciòn de polìticas econòmicas màs cerca del modelo
“renano” pero, con una mayor atenciòn a las polìticas laborales, en
particular, a la polìtica laboral femenina. La polìtica social sufre,
ciertamente, del hecho que la media del grupo relativa a la variable IRP es
significativamente màs alta de la media europea.
Notas
1. Profesor
de Statistica Aziendale, Fac. Di Scienze Statistiche, Univ. “La Sapienza”
Roma, Director Cientìfico CESTES-PROTEO. Se agradece Blanca Clemente por la
clolaboracion en la traducion. Una versione più completa e articolata di
questo lavoro è stata presentata al seminario Internacional Complutense
"Las recaidas sobre el mundo del trabajo en los procesos de unification
europea" (Madrid, 25 , 26 e 27 luglio 2001).
2.
Cfr. L. Vasapollo : La Unión Europea: entre polo geoeconómico y
desarrollo desigual", ponencia a la VIII Conferencia Internacional de
Estudios Europeos (en Ciudad de la Habana, ) Cuba del 3 al 6 de octubre 2000.
3.Cfr R.Martufi, L.Vasapollo: Eurobang. La sfida del polo europeo nella
competizione globale. Inchiesta su lavoro e capitaleMediaprint, Roma, 2000
4 El anàlisis en componentes principales conduce a la
extracciòn de alcunos factores, ortogonales y correlacionados (caracterizadas
las unidades estadìsticas indagadas) que en un nùmero resultan menores de las
variables originarias, siendo cada transformaciòn linear. El espacio de
indagaciòn pasa da k-dimensiones, donde k representa el nùmero de las
variables originarias, a p-dimensiones, con p<k, pares al nùmero de los
nuevos factores. Este anàlisis està relacionado a un equilibrio entre las dos
condiciones; la situaciòn ideal a la que se tiende està representada por la
posibilidad de extraer un nùmero contenido e factores capaces de explicar un
elevado porcentaje de informaciòn relativa al fenòmeno indagado. Condiciòn
esencial a fin que el anàlisis resulte vàlido es una correlaciòn entre las
variables iniciales; màs estas ùltimas resultan correlacionadas, mejor se
lograrà la representaciòn factorial en un espacio de comunes dimensiones. En
efecto la correlaciòn entre las variables indica la presencia de una _ley
latente que regula el comportmiento màs o menos similar de las distintas
grandezas correlacionadas. Tal ley es a la base del anàlisis en componentes
principales.
5 Una medida de la asociaciòn linear entre dos variables.
Los valores del coeficiente de correlaciòn varìan desde _1 a +1. El valor
absoluto del coeficiente de correlaciòn indica la intensidad de la relaciòn
(0=ninguna correlaciòn, 1=relaciòn linear perfecta) mientras el signo del
coeficiente indica la direcciòn de la relaciòn.
6 La primer voz indica el cuadrado del coeficiente de
correlaciòn entre una componente y todas las variables originarias, o sea la
variante total de la variable originaria explicada por los componentes
principales , o sea la _communalita corresponde a la varianza extracta e
informa sobre la utilizaciòn en el anàlisis de la variable; en el caso que
vengan consideradas todos los componesntes como en la Tabla 10 la communalità
puede corresponder a la _varianza total de la variable.el
_autovalore (o _varianza correspondiente a la componente)muestra
la cantidad de la _varianza explicada por cada uno de los factores. Esta grandeza es particularmente
importante al momento de la elecciòn del nùmero de componentes de seleccionar.
En este caso vienen consideradas cuatro que ademàs de ser aquellas con
autovalor mayor de 1 dan una informaciòn par al 81%. En fin, la tercer
grandeza, dividida en simple y acumulada, restituye la parte de variabilidad
respecto al total de informaciòn inicial explicada por cada factor.
7
A travès el Spadwin se procediò
al anàlisi por grupos. Este software, en caso que las entidades sean numerosas
, utiliza el mètodo de agregaciòn mixto que consiste en implantar un mètodo
jeràrquico sobre uno no jeràrquico, a travès del cual llega a la o a las
reparticiones mejores. La construcciòn del _dendograma sigue la elecciòn
de los ejes factoriales de utilizar, el nùmero de particiones de base de
cruzar para determinar los ragrupamientos màs estables y la elecciòn de
iteracciones para hacer.
8 Cfr. R. Martufi, L.Vasapollo ,Eurobang &op.cit
Referencias
Bibliograficas esenciales
Alvaro G. ,Contabilità
nazionale e Statistica Aziendale, Ed.
Cacucci, Bari, 1999
Amendola G. M., Salute
ed equità in ambito internazionale, in Qualità, Equità, n.18/2000
Eurostat Régions: Annuaire
statistique 1999". Edition 1999; Theme 1, Aprile 2000.
Eurostat Annuari
1997,1999 e 2000
Goergen M.-
Renneboog L., Strong managers and passive institutional investor
in the UK. ECGN, Bruxelles 1998.
Goergen
M.-Renneboog L., Prediction of
ownership and control concentration in german and UK initial public offering.,
Tilburg University, Ottobre 1999.
Gozi S., Il governo dell’Europa, Universale Paperbacks, Il Mulino, Bologna, 2000
Guarini R. -
Tassinari F., Statistica economica, Il Mulino 1996.
Yasui T., Corporate governance in Japan. Conference
on “Corporate governance in Asia: a comparative perspective”. OECD, Seoul 3-5
Marzo 1999.
La Porta R.- Lopez De Silanes F.- Shleifer A., Corporate ownership around the world. National
Bureau of Economic Research, Giugno 1998.
Losch A, Die Raumliche Ordnung der Wirtschaft,
fiscer Ed. Jena, 1940; traduzione inglese The Economics of Location, Yale
University, New Haven, 1954.
Maher M. –
Andersson T., Corporate
governance: effects on firm performance and economic growth. OECD 1999.
Mayer
C., Corporate governance in UK. OECD,
Seoul, Marzo 1999.
Mariotti S., Mutinelli M., Le
trasformazioni strutturali dell’internazionalizzazione produttiva delle
imprese italiane,
ICE Ufficio Studi Economici, Quaderni di ricerca N.4, Ottobre 1997.
Roe M.J., Some difference in corporate structure in Germany,
Japan, and the United States. The institutional investor project, Center for law
and economic studies, Columbia University school of law. N.Y. 1993.
Tinacci Mossello M., Economie
di agglomerazione e di sviluppo economico, in Becattini G. (a cura di),
Mercato e forze locali: il distretto industriale, il Mulino, Bologna, 1987.
Regini M., Modelli
di capitalismo. Le risposte europee alla sfida della globalizzazione,
Laterza edit., Roma. 2000, pag.144
Vasapollo L., Martufi R,. Le
pensioni a fondo, Mediaprint, Roma, 2000
Vasapollo
L., La
Unión Europea: entre polo geoeconómico y desarrollo desigual, ponencia a
la VIII Conferencia Internacional de Estudios Europeos (en Ciudad de la
Habana, ) Cuba del 3 al 6 de octubre 2000.