Linea Ferroviaria Rovigo-Chioggia Analisi della domanda · internazionali, denunciano effetti che...

This monograph may be freely reproduced for the purposes of private research and study and may be included in professional journals provided that suitable acknowledgement is made and the reproduction is not associated with any form of advertising.

Pag

ina1

ECONOMICS - Urban, Rural, and Regional Economics

JEL R4 - Transportation Systems

Ed. Transmitworld 2012

ISSN: 2280-1901 Transmitworld (Verona) [Online]

Linea Ferroviaria Rovigo-Chioggia

Analisi della domanda

di Moreno Ferrarese

Abstract; 1. Avvertenze; 2. Premesse teoriche; 3. Introduzione; 4. La tipologia di movimento pendolare; 5. Premesse metodologiche; 6. I

ratio utilizzati ; 7. Trattamento delle variabili; 8. Analisi della domanda nel territorio della linea ferroviaria Rovigo-Chioggia; 9.

Variabili indice, 10. Gli strumenti utilizzati; 11. Esame delle tabelle e dei quadri (analisi sinottica); 12. Statistiche aggiuntive per la

bontà e l’asseveramento del modello; Conclusioni finali; Appendice statistica-1; Appendice statistica BestSubsets-2; Elaborazioni con il

programma statistico SPSS 10.1.3.ITA per Windows; Bibliografia inserita nel testo

Abstract

La difficoltà di rappresentare le nuove opportunità economiche che nascono dai territori, spesso si scontra con i limiti delle indagini che vengono

condotte, a causa di difetti di comunicazione tra i ricercatori e i committenti paganti.

Spesso il solo linguaggio accademico, non è in grado di fornire delle risposte semplici, che i territori richiedono, per la soluzione di problemi

complessi, che necessitano, appunto, di un linguaggio formalizzato, sofisticato e articolato.

La fiducia che nasce tra il committente e il ricercatore è data, soprattutto, dalla credibilità di quest’ultimo, dal “si dice che è bravo”, piuttosto che

dall’effettiva comprensione di metodi e tecniche formali utilizzati dal ricercatore scientifico.

Questo articolo metodologico di academic research, che nasce dalla revisione di un lavoro commissionato da Trenitalia s.p.a., è rimasto sotto

embargo per la pubblicazione per 10 anni, embargo dovuto alla tutela del segreto industriale. È (innovativo e ancora oggi di vera attualità) un

nuovo approccio metodologico per l’area di Economia Applicata, che è servito a dotare di nuovi strumenti la progettazione economica sui trasporti

e ad abbattere le diffidenze del committente verso la ricerca scientifica economica applicata nel campo dei trasporti.


Pag

ina2

Parole chiave: ferrovia-Rovigo/Chioggia-pendolarismo-modello di Atz-ARMA

1. Avvertenze

Questo articolo viene rappresentato come una sinossi, attraverso 72 tabelle ad indirizzo facilitato, che danno, date le premesse teoriche (importanti

per inquadrare correttamente e senza equivoci il problema dei trasporti), le variabili indice ed i ratio, una lettura semplificata della mobilità nei

territori della Piccola Area funzionalmente collegata alla linea ferroviaria Rovigo-Chioggia. Viene, inoltre, fornita una Guida Facilitata alla

Lettura, che permetterà di interpretare correttamente i dati raffinati contenuti nelle tabelle, particolarmente quelle statistiche più avanzate.

Viene scelta questa formula, già sperimentata con successo in occasione dello studio della linea ferroviaria Verona-Legnago-Rovigo del 2002, della

linea Vicenza-Schio del 2000 e della linea Verona-Legnago del 1998, per lasciare al lettore più malizioso ogni propria puntuale valutazione in

merito ai fattori generatori ed attrattori di mobilità nel territorio considerato.

Ogni giudizio, infatti, particolarmente quello del valutatore-analista, affonda le proprie radici in un universo di valori situazionati, cioè posizionati,

così come percepiti, attraverso la propria biografia individuale.

Ecco che, spesso, in tali studi vengono a collocarsi impropriamente opinioni critiche e valutative (contrarie al metodo scientifico che dev’essere

sempre acritico e a-valutativo) dell’estensore di tali analisi.

Infatti, il vizio notato in parecchi studi (particolarmente “sofisticati”) individuati come “scientifici” di cui lo scrivente si è occupato come

accademico, è stato quello di riconoscere un “innamoramento” delle proprie tesi da parte dell’analista, che fa convergere sul portato di valori

individuale, la lettura dei dati elaborati ed il report.

Ovvero spesso, nei casi in cui il committente si orienti su consulenti esterni, si modulano i risultati delle analisi in modo tale da compiacere il

committente pagante.

Si preferisce, perciò, lasciare quelle inferenze induttiva e deduttiva, allo scrivente non pertinenti, come d’uso nei migliori casi, al lettore accorto,

rimanendo a disposizione per ulteriori precisazioni.

Vengono presentati due nuovi fattori per la generazione di matrici Origine-Destinazione, di propria formulazione, che pongono in alta evidenza

scientifica il lavoro testè presentato.

Di quanto non potrà venire condiviso, ceteris paribus e di eventuali refusi che si spera non emergano, si chiede venia.

2. Premesse teoriche

Per dare un minimo di dimensione teorica al problema dei trasporti è necessario esaminare il quadro funzionale delle interazioni tra economia,

territorio e trasporti:


Pag

ina3

il sistema dei trasporti interagisce con tutti i settori dell’economia;

il sistema economico, nel suo funzionamento, genera una domanda di trasporto connessa alle dinamiche demografiche, alla determinazione e

allo sviluppo della motorizzazione, agli assetti produttivi, agli assetti localizzativi, all’uso delle aree;

il sistema dei trasporti interagisce con l’economia influenzando le localizzazioni produttive e urbanistiche, incentivando o disincentivando la

domanda di mobilità in relazione al costo del trasporto sia in termini economici che di tempo ed agendo direttamente sui prezzi delle merci

da collocare sui mercati; nel settore passeggeri potrebbe venirsi a modificare ex ante la scelta stessa della località di destinazione a seguito di

problemi di ottimizzazione del trasporto o un miglioramento (o un peggioramento) delle condizioni generali del trasporto per altre località

possibili.

In particolare si rileva che, aumentando gli input del trasporto:

aumentano le dimensioni dei mercati;

migliora l’efficienza complessiva dell’economia;

si passa da un uso intensivo ad uno estensivo del territorio, poichè i trasporti abbattono le barriere geografiche e rendono il territorio

uniformemente accessibile;

in situazioni di trasporto estremamente evoluto divengono indifferenti economicamente le scelte localizzative, annullando spesso la

dimensione spaziale del problema economico, ritornando così verso configurazioni produttive e localizzative aspaziali, cioè,

paradossalmente, senza che venga tenuto conto del ruolo dei trasporti.

gli investimenti nel settore dei trasporti migliorano lo stato di benessere generale; essi sono una variabile esogena che dall’esterno

condiziona le scelte produttive e di consumo.

Come è noto, gli effetti che osserviamo nella interazione tra economia, territorio e trasporti, sono i seguenti (vd. Prospetto 1):

di prezzo: essendo che i trasporti trasferiscono sui prezzi dei beni e dei servizi dei costi aggiuntivi che ritroviamo, poi, sul prezzo finale di

vendita;

di quote di mercato o localizzativo: quando l’inserimento nel sistema di trasporti di una nuova infrastruttura od il suo miglioramento produce

effetti sul traffico deviato o generato, attraendo nuova mobilità e dimostrando, così, che la mobilità espulsa da un arco di rete o da un modo

di trasporto, riversandosi su altri archi di rete o modi di trasporto, crea interdipendenza tra i territori e tra le singole areole in cui questi si

suddividono;

di reddito: quando il trasporto inietta un “valore aggiunto del trasporto”, apportando miglioramenti significativi nell’efficienza del sistema

produttivo, accorciando, ad esempio, i tempi di collocazione delle merci sul mercato con effetto immediato sulla dotazione e sulla gestione

delle scorte;

di sistema.


Pag

ina4

Prospetto 1

domanda ditrasporto

effettoreddito

effettoprezzo

effettoquote dimercato

effetto disistema

sistema dei trasporti

restodell’economia

Interazioni tra trasporti, economia e territorio

Si considerino, inoltre, gli effetti dei trasporti sulle stesse strategie delle imprese. Le interazioni tra trasporti ed il proprio ambiente riguardano, in

generale:

- la scelta della dimensione delle imprese;

- la scelta tecnologica delle imprese, con evidenti problemi di polarizzazione o di decentramento delle attività produttive;

- la accessibilità ai nuovi mercati ed una migliore penetrazione in quelli già esistenti;

- il livello degli investimenti e delle immobilizzazioni finanziarie;

- la quantità e soprattutto la qualità delle merci introdotte sul mercato: si considerino gli effetti del trasporto sulle scelte di produzione e di

conservazione delle merci deperibili.

Come si comprende facilmente, il problema dei trasporti non può nè deve essere neutrale rispetto alle scelte produttive, ai modelli di consumo, alla

struttura di lungo periodo del sistema economico, allo stesso quadro normativo di riferimento. In parecchi casi, infatti, le modificazioni introdotte

dai trasporti sui processi della produzione, nell’organizzazione dei mercati, nei comportamenti di acquisto dei consumatori, nei rapporti economici

internazionali, denunciano effetti che rischiano di divenire irreversibili e perciò da governare in un contesto ampio, sistemico1.

1 Li Donni V., Manuale di Economia dei Trasporti - Analisi e Governo della Mobilità, NIS, Roma, 1991.


Pag

ina5

Un modo di considerare i trasporti è quello di introdurli come elementi che modificano l’assetto strutturale e spaziale dei mercati. In tale caso si

mette in evidenza il ruolo dei trasporti attraverso il confronto tra lo stato dell’economia in presenza di trasporto e lo stato dell’economia in assenza

di trasporto.

Nel modello Walras-Pareto i trasporti (variabile endogena), pur modificando la configurazione iniziale di equilibrio economico, non modificano i

parametri strutturali o non apportano variazioni persistenti (reversibilità economica).

Un modo opposto al precedente è quello di considerare i trasporti come variabile esogena che altera lo status di tutte le altre variabili e dei parametri

strutturali al punto da renderle irreversibili (irreversibilità economica). In tali casi ci si confronta con livelli spinti di incertezza per cui i modelli che

rappresentano tale realtà sono quelli che studiano l’equilibrio dinamico in condizioni di incertezza.

Nella realtà dell’economia, a causa di frizioni varie, imperfezione delle informazioni, possibili rendite di posizione, gli inputs di trasporto si

inseriscono non secondo comportamenti ottimizzanti2, bensì secondo comportamenti soddisfacenti. H.A. Simon parla al proposito, di razionalità

limitata per definire un comportamento soddisfacente in contrapposizione al comportamento massimizzante ipotizzato dai marginalisti.

3. Introduzione

Per questo lavoro, ci interessa limitare le nostre considerazioni a quella sola parte della mobilità che genera il trasporto.

In tale caso, alla mobilità si associano miglioramenti di efficienza che si traducono in termini concreti di miglioramento della produttività delle

imprese e dei servizi.

Le motivazioni principali che generano (o che ne vengono generate – determinando un circolo virtuoso) mobilità da parte della domanda sono:

la produzione di beni e servizi;

il consumo di prodotti e servizi;

la necessità di socializzazione, ovvero la produzione, il consumo e a volte il riacquisto di competenza comunicativa tra individui, imprese e

istituzioni.

Inoltre, per quanto relativo alla produzione di prodotti e servizi è utile ricordare che l'influenza della mobilità sui fattori di produzione sia territoriali

che settoriali può determinare un'allocazione più o meno ottimale delle risorse rispetto ai punti di produzione, trasformazione e vendita dei prodotti

e dei servizi, nell'ottica di effettuare continui miglioramenti dell'efficienza (derivata anche da flessibilizzazione di lavoro e capitale) e sempre in

vista di incrementi di produttività marginale delle imprese.

Per quanto, invece, attiene il consumo di prodotti e servizi la domanda di mobilità è correlata a motivazioni differenti:

a) alla ricchezza del consumatore ovvero al reddito per famiglia; 2 Cfr. Koopmans T.C., Activity Analysis of Production and Allocation, Wiley, New York, 1951.


Pag

ina6

b) agli utili delle imprese come consumatrici;

c) allo standard dei servizi pubblici erogati, per le amministrazioni pubbliche, che possono così tradurre un maggiore gradimento dell'utente per i

servizi in consensi e quindi in tassazione.

Per quanto riguarda le relazioni sociali e di quanto i fattori psicologici incidano sui fattori di mobilità, specialmente delle persone, è importante

sottolineare che uno sviluppo corretto ed omologato delle prime, specie in termini comunicativi, si traduce in maggiore mobilità. Al proposito si

rileva sempre più la tendenza del mercato del trasporto in termini generali a trasformarsi nel mercato dell'informazione, ove dalle persone si passa

alla mobilità di informazioni.

Tra le varie definizioni di mobilità ci piace segnalare, tra le altre, quella del Querini3, che categorizza 5 modelli di mobilità: commerciale,

finanziaria, tecnologica, sociale, culturale.

Ciascuna di queste genera trasporto, quando intervengono fattori connessi alla produzione e al consumo che, nell'ottica comunque di un'economia

occidentale sempre più spostata verso il terziario, si dispongono attorno ad una condizione di sviluppo che, per dirla come Owen4, è equivalente alla

condizione del reddito per abitante e quindi alla nazione, cioè nazione mobile = nazione ricca, nazione immobile = nazione povera.

4. La tipologia di movimento pendolare

I movimenti delle persone, in particolare, andrebbero esaminati sotto tre aspetti:

le caratteristiche socio-economiche di chi si sposta;

le caratteristiche spaziali del viaggio;

le caratteristiche temporali del viaggio (distinguendo tra trip e travel)5.

Per il primo punto si renderebbe necessario, anche se costoso, attivare un’indagine qualitativa, tesa a determinare lo stile di vita, il comportamento

d’acquisto, le motivazioni, i bisogni di chi si sposta. Inoltre, il reddito individuale e quello familiare, la motorizzazione rapportata alla mobilità, ecc.

Per il secondo punto si tratterebbe di costruire delle matrici O-D rilevando anche il mezzo di trasporto utilizzato.

Per il terzo punto si renderebbe necessario determinare la distribuzione temporale della mobilità e le caratteristiche del trasporto con delle indagini

di campagna od anche attraverso le matrici O/D (quando disponibili).

Il movimento pendolare, semplifica quanto sopraddetto, poiché fornisce, con regolarità, dei modelli comportamentali e di consumo facilmente

gestibili.

3 Querini G., Il ruolo dei trasporti nella valorizzazione delle risorse naturali dell’area mediterranea, in C. Castellano (a cura di), Problemi dell’integrazione economica

mediterramea, Giappichelli, Torino, 1987. 4 Owen W., Strategy for mobility, The Brooking Institution, Paris, 1970.

5 Li Donni V., cit.


Pag

ina7

Le caratteristiche della pendolarità, che viene determinata principalmente dall’industrializzazione, dalla crisi edilizia e da una diminuzione del

reddito disponibile, sono:

un movimento endogeno di area (o di bacino) della mobilità;

la brevità del percorso impegnato;

una certa regolarità quotidiana;

una durata del viaggio sopportabile.

Il Libro bianco dei Trasporti considera come traffico pendolare il movimento quotidiano di grandi masse di utenti che si spostano per lavoro, per

studio o per commissioni da zone periferiche a grandi centri urbani.

I mezzi comunemente usati dalla pendolarità sono tre: i mezzi privati, l’autotrasporto pubblico e la rete ferroviaria.

Per studiare tale mobilità si possono adottare varie tecniche dirette od indirette suddivise in metodologie:

qualitative6;

quantitative.

6 Soum D., Analyse de la demande de transports urbains par segmentation d’un echantillon d’usagers, in “Rivista internazionale di economia dei trasporti”, 1975, vol. II, n°2.


Pag

ina8

5. Premesse metodologiche

Il modello sperimentale di ATZ

La nostra analisi parte dall’assunto che i principali (ma non i soli) fattori connessi alla produzione ed al consumo che forniscono motivi di

generazione della domanda di trasporto sono:

la popolazione come variabile demografica che può modificare anche la polarizzazione o la direzione dei flussi di traffico in ragione delle

condizioni professionali ovvero della distribuzione personale dei redditi, del tasso di invecchiamento, della dinamica in-out dei nuclei

familiari o del turnover vitale;

il territorio in riferimento alla dinamica degli insediamenti produttivi ed urbanistici;

la motorizzazione intesa come sistema di espansione e progressione dei mezzi di trasporto, da cui ne consegue anche nuova mobilità.7

Nella versione più generale: “…esiste una correlazione tra popolazione e flusso di traffico relativo a due aree: l’una di origine e l’altra di

destinazione. L’ipotesi più semplice è che tale flusso sia una funzione crescente del prodotto delle due popolazioni. Questa ipotesi si inquadra

coerentemente nei modelli gravitazionali, secondo i quali la mobilità è direttamente proporzionale sia al peso demografico assegnato all’area di

origine che a quello assegnato all’area di destinazione. Nel caso specifico il peso è commisurato al livello di popolazione”8.

Assumendo tale postulato per vero adottiamo per paradigma il modello gravitazionale semplice della forma:

),( QPf

ove rappresenta l’indice di mobilità;

P rappresenta la popolazione nell’area di origine;

Q rappresenta la popolazione nell’area di destinazione;

f rappresenta la funzione da ricercare.

Tale funzione può venire rappresentata anche sotto forma esponenziale, avendo dato sperimentalmente buoni risultati:

K P Q a( * )

7 Li Donni V., Manuale di Economia dei Trasporti - Analisi e Governo della Mobilità, NIS, Roma, 1991.

8 Ibidem.


Pag

ina9

ove K e a sono parametri determinabili sperimentalmente. In questo caso a, elasticità della curva, è funzione della media geometrica della

popolazione.

Questi modelli generali appartengono alla categoria gerarchizzata dei modelli sequenziali di generazione. Altri modelli, quali i simultanei, di

derivazione ingegneristica, adottano scelte di variabili difficili da stabilizzare nel medio e lungo periodo.

Procederemo, quindi, alla valutazione della mobilità delle piccole aree funzionalmente collegate alla linea ferroviaria “asse” Rovigo-Chioggia, aree

di studio scelte entro l’isocrona sui poloidi dell’asse ferroviario di + 15 minuti primi9 teorici per quanto relativo a primi tratti motorizzati e di + 7

minuti primi teorici (= 700 mt.) per quanto relativo a primi ed ultimi tratti a piedi, alla velocità di 6 Km/h; verrà utilizzato un modello sequenziale di

generazione10

quale il modello di Atz11

, adottato per vari studi sul governo della mobilità nella provincia autonoma di Bolzano, la quale, per prima

in Italia, nel 1996, ha perfettamente integrato tecnicamente e dal punto di vista tariffario, i servizi su gomma e quelli su ferro per una domanda

pendolare.

Ora formuliamo, per l’adozione del solo modello di Atz , le seguenti ipotesi di lavoro nel breve periodo:

che il PIL rimanga generalmente costante all’interno di ogni annualità, ovvero con variazioni poco significative;

che le eventuali variazioni del reddito reale siano trascurabili rispetto ai prezzi relativi (effetto reddito/consumi);

che le eventuali variazioni del reddito reale del viaggiatore non abbiano un effetto sulla opzione del vettore di trasporto utilizzabile;

che la mobilità italiana rimanga generalmente costante o con trascurabili variazioni (effetto reddito/mobilità);

che il traffico viaggiatori di area e di bacino, in generale, rimanga costante, ovvero che possa variare per quote di mercato vettoriali su una quota

totale di mobilità costante;

che i tassi di motorizzazione di area e di bacino rimangano generalmente costanti od in crescita controllata (con marcata presenza di turn-over

del solo parco mezzi a seguito di obsolescenza);

che il viaggiatore non abbia necessariamente la scelta del prezzo e del tempo come variabili intervenienti nel processo di scelta della modalità

vettoriale; 9 l’isocrona + 15’ viene prescelta in questa analisi poiché rappresenta il tempo medio di accesso alla linea ferroviaria dai baricentri dei territori in questione. Rappresenta anche,

statisticamente, il valore di frontiera della 1^ classe temporale 0’-15’ con cui ISTAT classifica gli spostamenti pendolari per motivi di lavoro e studio. Costituisce in questo caso,

sommata ai tempi medi di attesa all’origine e ai tempi reali di viaggio, la perequazione dei cosiddetti punti di razionamento, ossia dei calcoli individuali, relativi alla scelta del

trasporto, operati dal pendolare della Piccola Area funzionalmente collegata alla linea ferroviaria Rovigo-Chioggia. In tale frangente, infatti, un bilancio individuale impostato sui

tempi rende nullo un bilancio impostato in termini di costi monetari del trasporto e la ricerca della minimizzazione di tali tempi di viaggio relativi, considerando anche tutte le

situazioni di congestionamento stradale nel giorno medio in prossimità dei poloidi urbani, mette in reale concorrenza il vettore ferroviario con il gommato pubblico e il trasporto

con mezzi propri. 10

Vd. : Quinet E.(a cura di), La demande de transport, Press ENPC, Paris, 1982 ;Quinet E., Analyse économique des trasports, PUF, Paris, 1990 Sandonnini P., La mobilità delle

persone nella dinamica d’uso del territorio, Istituto di Trasporti Università degli Studi, Padova, 1992; Sandonnini P., Scelte individuali e sociali nei processi di pianificazione,

Istituto di Trasporti Università degli Studi, Padova, 1992. 11

Atz Hermann e Ufficio provinciale statistica e studi, Aree di Mercato del Lavoro e Piccole Aree funzionali. Una delimitazione di ambiti di analisi territoriale per la statistica e

la politica economica in base ai flussi pendolari per ragioni di lavoro. Collana ASTAT n°7, Bolzano, 1995.


Pag

ina1

0

che il rapporto qualitativo dell’offerta su rotaia e quella su gomma rimanga costante;

che l’offerta di prodotti su rotaia e su gomma non subisca modifiche sostanziali;

che la rete distributiva diretta ed indiretta dell’offerta su rotaia e su gomma rimanga costante;

che la diffusione dell’informazione al pubblico sulle condizioni dei servizi di trasporto sia fatta attraverso canali omogenei;

che le condizioni atmosferiche rimangano nella media statistica stagionale;

che non intervengano fattori emozionali negativi in Italia.

Inoltre, che si consideri la piccola area funzionalmente collegata alla linea ferroviaria Rovigo-Chioggia come un universo chiuso, cioè un’area

adiabatica.

Tutto ciò premesso, che ci impedisce di adottare modelli simultanei, l’equazione di Atz ci definisce sperimentalmente l’indice di “interrelazione

pendolare”12

: “…con questo indice s’intende esaminare l’autonomia delle piccole aree funzionali che si compongono di centri di mercato del lavoro

(e studio) indipendenti e non. Uno dei criteri fondamentali per la compattezza funzionale tra le aree suddette è rappresentato dall’interrelazione

pendolare tra i rispettivi comuni. Tale interrelazione serve a spiegare l’importanza dei flussi pendolari giornalieri in rapporto alla popolazione

residente nel comune di invio nonché alla popolazione lavorativa o studentesca del comune di destinazione. In altre parole, si stabilisce quanto un

certo flusso di pendolari in entrata sia importante per il comune destinatario, nonché la rilevanza di questo luogo di destinazione per il comune di

invio…”.

I rapporti vicendevoli tra questi centri vengono illustrati tramite l’indice di interrelazione pendolare IIP, nel quale rientrano le seguenti grandezze:

ij

ij

i

ij

j

ji

i

ji

j

IIPP

WBP

ABPAB

PWB

* * * *100 100 100 100

ove:

IIPIJ è l’indice di interrelazione pendolare tra i comuni i e j

Pij rappresenta i pendolari giornalieri dal comune i (comune di invio) al comune j (comune di destinazione)

Pji rappresenta i pendolari giornalieri dal comune j (comune di invio) al comune i (comune di destinazione)

WBi rappresenta gli occupati residenti nel comune i

WBj rappresenta gli occupati residenti nel comune j

ABi rappresenta la popolazione lavorativa nel comune i (occupati residenti+pendolari in entrata provenienti da altri comuni della provincia-numero

complessivo dei pendolari in uscita).13

ABj rappresenta la popolazione lavorativa nel comune j (occupati residenti+pendolari in entrata provenienti da altri comuni della provincia-numero

complessivo dei pendolari in uscita).14

12

Atz H., cit. 13

Atz H., cit.


Pag

ina1

1

6. I ratio utilizzati

L’ambiente principale di trattamento informatico-statistico dei dati è quello di Office 2000 (Excel 2000 - di bassa “potenza”) con gli eventuali

limiti determinati dal pacchetto di processo utilizzato (Excel 2000 parrebbe prediligere maggiormente le serie storiche “stazionarie” piuttosto che

le “non stazionarie”). Inoltre, viene utilizzato il software aggiuntivo PHStat (della Prentice-Hall, Inc., NY) add-in per Excel 2000 che permette di

emulare funzioni ed analisi dei maggiori software dedicati alla statistica ed all’econometria come SPSS, SAS, Minitab, Microfit, Shazade, GPdisk,

ecc. Tale scelta viene giustificata dalla enorme diffusione del pacchetto Office e dalla conoscenza delle sue procedure da parte dei lettori; sicchè il

linguaggio procedurale utilizzato, nonché l’eccellente ed incomparabile sviluppo della grafica di Excel 2000, rendono maggiormente “amichevole”

l’approccio statistico rispetto ai software più specializzati ma anche maggiormente spartani. Infine, tutte le procedure vengono asseverate tramite

l’utilizzo dei protocolli di SPSS 10.1.3 ITA (ed. 2001).

Vengono prodotti di seguito i necessari indici e test statistici utilizzati successivamente, i quali vanno a descrivere, attraverso le relazioni di variabili

ed i rapporti di dipendenza di queste, i processi territoriali propedeutici e prerequisiti all’applicazione di un modello sequenziale di generazione

sperimentale quale quello di Atz15

, non dovendo mai dare per scontato quello che altri analisti, in altre circostanze, hanno fatto divenire un processo

di spiegazione universale dei fenomeni (l’uso delle cosiddette “evidenze”):

Kurtosis (curtosi): misura il peso delle code di una distribuzione osservata in confronto con la distribuzione normale. Assume valori negativi

per distribuzioni più piatte della normale e valori positivi per distribuzioni con picco più acuto.

Skewness (asimmetria): misura l’asimmetria di una distribuzione rispetto alla normale. Valori positivi segnalano code a destra insolitamente

dense. Al contrario, valori negativi corrispondono a distribuzioni con code a sinistra contenenti molti casi rispetto alla distribuzione normale.

Mediana: restituisce la mediana dei numeri specificati. La mediana è il numero che occupa la posizione centrale di un insieme di numeri,

vale a dire che una metà dei numeri ha un valore superiore rispetto alla mediana, mentre l'altra metà ha un valore inferiore.

Funzione utilizzata da Excel 2000:

MEDIANA(num1;num2;...)

Num1; num2;... sono da 1 a 30 numeri di cui si desidera calcolare la mediana.

Valore medio m: è l’invariante rispetto alla somma dei valori della distribuzione, ovvero individua quella quantità che, sostituita a ciascun

termine della distribuzione lascia inalterato il totale. Viene utilizzata per creare uno standard della distribuzione, cioè un parametro teorico di

riferimento ideale. Proprietà della media aritmetica sono:

la somma algebrica degli scostamenti è sempre zero,

14

Atz H., cit. 15

n.d.a.: il modello di Atz è caratterizzato dalla sperimentazione sul campo delle influenze di alcuni fattori di mobilità. Non è mai stata anticipata, purtuttavia, alcuna base teorica

a supporto dell’applicazione del modello, come verrà, invece, fatto in questo studio.


Pag

ina1

2

la somma dei quadrati degli scostamenti dalla media fornisce il valore minore rispetto a quello che si ottiene effettuando la somma dei

quadrati degli scostamenti da qualsiasi altro valore della successione.


MEDIA

Restituisce la media aritmetica degli argomenti.

Deviazione media semplice S: misura la dispersione calcolando la media aritmetica degli scarti presi in valore assoluto.


MEDIA.DEV

Restituisce la media delle deviazioni assolute dei valori rispetto alla loro media. MEDIA.DEV è una misura della variabilità in un insieme di

dati.

L'equazione della deviazione media è:

xxn

1 con x variabile e x segnato = valore medio; n = popolazione statistica

Deviazione standard sigma: o scarto quadratico medio . Consiste nella media degli scarti dalla media aritmetica di una popolazione

statistica.


DEV.ST.POP

Calcola la deviazione standard sulla base dell'intera popolazione statistica specificata in forma di argomenti. La deviazione standard è una

misura che indica quanto i valori si discostino dal valore medio (la media).

La funzione DEV.ST.POP utilizza la seguente formula:

2

22

n

xxn con x variabile; n = pop. stat.

Varianza sigma2: è il quadrato dello scarto quadratico medio

2.


VAR.POP

Calcola la varianza sulla base dell'intera popolazione statistica.

Sintassi di Excel 2000

La funzione VAR.POP utilizza la seguente formula:


Pag

ina1

3

2

22

n

xxn con x variabile; n = pop. stat.

Scostamento semplice medio: misura la dispersione calcolando la media aritmetica degli scarti presi in valore assoluto e centrati su di una

opportuna origine, di solito media aritmetica o mediana. E’ l’indice relativo della deviazione media semplice.

L'equazione dello scostamento semplice medio relativo è:

m

xxn

1

con x variabile; m = media; n = pop. stat.

Deviazione standard relativa C.V. (Coefficiente di Variazione): è l’indice relativo della deviazione standard.

L’equazione del C.V. utilizza la seguente formula:

m

n

xxn2

22


Varianza relativa C.V.2

(Coefficiente di Variazione2): è l’indice relativo della varianza di una popolazione statistica.

L’equazione della C.V.2 utilizza la seguente formula:

2

2

22

m

n

xxn


Valore massimo della deviazione media semplice in caso di massima variabilità S/max S: rappresenta il valore massimo dello scarto assunto

dalla deviazione media semplice. Viene rappresentato dal rapporto tra la deviazione media semplice ed il massimo valore assunto dalla

stessa.

L’equazione della S/max S utilizza la seguente formula:

S

xxn

max

1

ove max S = )...(*)...(

1)...(*2

11

1

NN

N

XXmXXICONTANUMER

XXICONTANUMER ; con x variabile; n = pop.

Valore massimo della deviazione standard in caso di massima variabilità /max : rappresenta il valore massimo dello scarto quadratico

medio in caso di massima variabilità.


Pag

ina1

4

L’equazione della /max utilizza la seguente formula:

max

2

22

n

xxn

ove max = 1)...(tan*)...( 11 nn xxumericonxxm con x variabile; n = pop. stat.

Valore massimo della varianza in caso di massima variabilità 2/max

2: rappresenta il valore massimo assunto dalla varianza in caso di

massima variabilità.

L’equazione della 2/max

2 utilizza la seguente formula:

2

2

22

maxn

xxn

ove max 2 = )1)...(tan(*)...( 11

2 nn xxumericonxxm ; con x variabile; n = pop. stat.

Correlazione: restituisce il coefficiente di correlazione degli intervalli di celle (matrice 1 e matrice 2). Si utilizza il coefficiente di

correlazione per stabilire la relazione tra due proprietà.

La correlazione misura il grado di dipendenza lineare che lega due variabili relative ad un insieme di dati. Si possono ritenere correlate due

variabili X e Y quando ad un cambiamento verificantesi nel valore di una, si verifica una consistente e corrispettiva variazione nell’altra. La

correlazione tra due variabili può essere positiva, negativa o nulla.

Il coefficiente di correlazione è la covarianza standard delle relazioni tra due variabili X e Y.

Esiste un secondo metodo di calcolo della correlazione conosciuto come metodo del momento di prodotto.

Un terzo metodo, spesso utilizzato in questo studio, è il sistema grafico, attraverso correlografici.

Funzione utilizzata da Excel 2000

CORRELAZIONE

L'equazione relativa al calcolo del coefficiente di correlazione con il primo metodo è:

rYXCOV

yx

yx

*

),(,

dove:

e:

)(*)(1

),(1

yi

n

i

xi yxn

YXCOV

con µx e µy medie; x e y variabili; n = osservazioni

11 , yx


Pag

ina1

5

Regressione (lineare): calcola le statistiche per una linea utilizzando il metodo dei minimi quadrati per calcolare la retta che meglio

rappresenta i dati e restituisce una matrice che descrive la retta. Dal momento che questa funzione restituisce una matrice di valori, viene

immessa come formula in forma di matrice.

Il metodo dei minimi quadrati è diffusamente impiegato per calcolare i parametri di una equazione di regressione. L’analisi della regressione

ed i suoi coefficienti, che tratteremo compiutamente nella sezione successiva, è una procedura statistica che serve per valutare

matematicamente una variabile dipendente a partire da una o più variabili indipendenti (es. popolazione indip. su occupazione dip.,

istruzione ed occupazione indip. su popolazione dip., ecc.). Mentre nel caso di una dipendenza funzionale, assegnato un valore ad una

variabile indipendente X, a parità di altre condizioni, è determinato univocamente il corrispondente valore della variabile dipendente Y, nel

caso della connessione, la variabile indipendente X influenza la variabile dipendente Y pur senza essere causa diretta della variazione che

essa subisce. La regressione è, dunque, un aspetto particolare della connessione: quello dell’individuazione di una funzione che esprima in

che modo i valori medi del carattere Y varino al variare delle modalità del carattere X. Naturalmente, la dipendenza non viene intesa nel

senso che X è la causa di Y, ma nel senso che la variabile X influenza la variabile Y. La regressione semplice considera una sola variabile

indipendente; la regressione multipla studia due o più variabili indipendenti per ogni dipendente. In pratica, la regressione risponde alla

domanda: “E’ significativa la variabile indipendente X per spiegare la variabile dipendente Y”? E quanto, in percentuale? E’ affidabile la

regressione per spiegare il fenomeno descritto? Per quanto?

Quando la regressione semplice non è sufficiente per ottenere una buona interpolazione dei dati rilevati (cioè quando si ha un basso valore di

r2) si deve ricorrere all’analisi mediante la regressione multipla.


REGR.LIN

L'equazione della retta è:

y = mx + b oppure y = m1x1 + m2x2 + ... + b (se ci sono intervalli multipli di valori x)

dove il valore della variabile dipendente y è una funzione dei valori della variabile indipendente x. I valori mn sono coefficienti che

corrispondono ad ogni valore di x, mentre b è una costante. Si noti che y, x e m possono essere dei vettori. Il tipo di matrice restituito da

REGR.LIN è {mn;mn-1;...;m1;b}. REGR.LIN restituisce anche le statistiche aggiuntive di regressione.

Le statistiche aggiuntive di regressione sono le seguenti:

Statistica Descrizione

s1;s2;...;sn I valori di errore standard per i coefficienti m1;m2;...;mn


Pag

ina1

6

sb Il valore di errore standard per la costante b

r2 Il coefficiente di determinazione. Confronta i valori y previsti con quelli effettivi e può avere un

valore compreso tra 0 e 1. Se è uguale a 1, significa che esiste una correlazione perfetta nel

campione, vale a dire, non sussiste alcuna differenza tra il valore previsto e il valore effettivo di

y. Se invece il coefficiente di determinazione è uguale a 0, l'equazione di regressione non è di

alcun aiuto nella stima di un valore y.

sy L'errore standard per la stima di y

F La statistica F o il valore osservato di F. Si utilizza la statistica F per determinare se la relazione

osservata tra le variabili dipendenti e indipendenti è casuale.

gdl I gradi di libertà. Si utilizzano i gradi di libertà per trovare i valori critici di F in una tabella

statistica. Confrontare i valori trovati nella tabella con la statistica F restituita dalla funzione

REGR.LIN per stabilire un livello di confidenza per il modello.

sqregr La somma della regressione dei quadrati

sqresid La somma residua dei quadrati

La seguente illustrazione mostra l'ordine in cui vengono restituite le statistiche aggiuntive di regressione presenti nello studio.

mn mn-1 mn-… m2 m1 b

sn sn-1 Sn-… s2 s1 sb

r2

sv N#D N#D N#D N#D

F gdl N#D N#D N#D N#D

sqregr sqresid N#D N#D N#D N#D

Osservazioni

La precisione della retta calcolata dalla funzione REGR.LIN dipende dal grado di dispersione nei dati. Più i dati sono lineari, più il modello di

REGR.LIN risulta accurato. REGR.LIN utilizza il metodo dei minimi quadrati per determinare la retta che meglio rappresenti i dati, cioè la

funzione REGR.LIN consente di calcolare la retta più adatta ai dati.


Pag

ina1

7

Nell'analisi di regressione, in pratica, per ogni punto viene calcolato il quadrato della differenza tra il valore di y stimato per quel punto e il

valore reale di y corrispondente. La somma dei quadrati delle differenze viene denominata somma residua dei quadrati. Viene, quindi, calcolata

la somma dei quadrati delle differenze tra i valori reali di y e la media dei valori y, denominata somma totale dei quadrati (somma della

regressione dei quadrati + somma residua dei quadrati). Minore è la somma residua rispetto alla somma totale dei quadrati, maggiore sarà il

valore del coefficiente di determinazione, r2, il quale è un indicatore del livello di precisione con cui l'equazione ottenuta dall'analisi di

regressione spiega la relazione tra le variabili.

Tendenza: restituisce i valori lungo una tendenza lineare. Utilizzando il metodo dei minimi quadrati, calcola una retta che coincide con le matrici

y_nota e x_nota e restituisce i valori y lungo la retta per la matrice di nuova_x specificata.


TENDENZA(y_nota;x_nota;nuova_x;cost)

Y_nota è l'insieme dei valori y già noti dalla relazione y = mx + b.

Osservazioni

Si è utilizzata spesso, nello studio, la funzione TENDENZA per stimare una curva polinomiale calcolando la regressione con la stessa variabile

“elevata” a diverse potenze (dette anche periodi).

Crescita: calcola la crescita esponenziale prevista in base ai dati esistenti. CRESCITA restituisce i valori y corrispondenti ad una serie di valori x

nuovi, specificati in base a valori x e y esistenti. Si è utilizzata la funzione CRESCITA per adattare una curva esponenziale a valori x e y

esistenti.


CRESCITA(y_nota;x_nota;nuova_x;cost)

Y_nota è l'insieme dei valori y già noti dalla relazione y = b*mX

(=b*m exp x).

Previsione: calcola, o predice, un valore futuro utilizzando valori esistenti. Il valore previsto è un valore y corrispondente a un valore x dato. I

valori noti sono valori x e y esistenti e il nuovo valore viene calcolato in base a una regressione lineare.


PREVISIONE(x;y_nota;x_nota)

X è la variabile di cui si desidera prevedere un valore.

Y_nota è la matrice o l'intervallo di dati dipendente.

X_nota è la matrice o l'intervallo di dati indipendente.

Osservazioni

L'equazione per PREVISIONE è a+bx, dove:


Pag

ina1

8

XbYa

e:

22 XXn

YXXYnb con n = osservazioni


Pag

ina1

9

7. Trattamento delle variabili

Indicatori, principali metodi e test statistici utilizzati

Gli indicatori statistici principali, i metodi più importanti ed i test maggiormente rappresentativi utilizzati in questo studio (presentati qui in ordine

alfabetico) per valutare l’accuratezza ed il grado di affidabilità dei risultati dell’analisi statistica nel trattamento delle variabili sono:

Autocorrelazione: si presenta quando nell’analisi di regressione esiste una correlazione tra successive osservazioni della variabile dipendente (ossia

quando successive osservazioni della variabile dipendente non sono indipendenti). In tale caso gli errori standard dei coefficienti di regressione sono

notevolmente errati in difetto. In presenza di un’autocorrelazione positiva, ad esempio, nel grafico si evidenzieranno gruppi di residui dello stesso

segno, indice della presenza di un legame di dipendenza tra gli stessi. L’autocorrerazione dei residui può essere individuata e misurata facendo

ricorso ad una particolare statistica campionaria, la statistica di Durbin-Watson, che misura la correlazione tra ciascun residuo e quello che lo

precede. A tale scopo, per l’individuazione di autocorrelazione si ricorre all’indicatore di Durbin-Watson “d” che delimita a due valori la soglia di

accettazione dell’autocorrelazione del 1° ordine per dL < d < dU per tabelle ad una coda per α critico del 0,05 con n osservazioni e P= numero delle

variabili indipendenti; in condizioni normali e generali:

dL vicino allo 0 < d < dU vicino al 2 e max fino a 4, non esiste autocorrelazione: in quest’ultimo caso, 2 < dU < 4, si confronta d con i valori di

soglia dα approssimati da Theil-Nagar, i quali, anche se meno precisi, hanno il pregio di fornire, per il confronto, il solo limite superiore di dα

d < dL autocorrelazione positiva

d > dU autocorrelazione negativa ovvero ipotesi di perturbazione casuale

La presenza di autocorrelazione significa che non è stata spiegata una parte notevole della variazione della variabile dipendente. In questo caso, la

soluzione migliore consiste nel cercare altre variabili indipendenti da includere nell’equazione di regressione.

Autoregressione per serie storiche AR: è un modello di regressione sulle serie temporali univariate, in cui le variabili esplicative sono i valori

ritardati della variabile dipendente (auto significa “su se stessa”) e quindi una autoregressione è una regressione di una variabile sui suoi valori

ritardati. Il modello è esattamente equivalente al modello di regressione ma la variabile esplicativa è Yt-1. Il valore del coefficiente angolare Ф della

retta interpolante Yt = α + Ф Yt-1 + εt è strettamente collegato all’andamento della funzione di autocorrelazione ed al concetto di non stazionarietà.

Per il modello AR possiamo dire che Y è stazionaria se | Ф| < 1 ed è non stazionaria se Ф = 1. Per rappresentare nel caso più generale che una

variabile in serie storica Yt sia stazionaria od abbia una radice unitaria:

nel modello AR se Ф = 1 allora Y ha una radice unitaria. Se | Ф| < 1 allora Y è stazionaria

se Y ha una radice unitaria le sue correlazioni sono prossime ad uno e non tendono a decrescere molto significativamente al crescere dello

sfasamento temporale

se Y ha una radice unitaria allora Y è un processo a lunga memoria. Serie stazionarie non hanno memoria lunga

se Y ha una radice unitaria la serie presenta un andamento tendenziale (specialmente se α ≠ 0)


Pag

ina2

0

se Y ha una radice unitaria allora ΔY è stazionario. Per questo motivo le serie con radice unitaria vengono spesso chiamate serie “stazionarie

nelle differenze”.

Causalità nel senso di Granger - test: non sempre la correlazione e la regressione implicano causalità. Viene adottato il concetto di causalità di

Granger per ovviare alle relazioni improprie tra le variabili. L’idea di fondo è che una variabile X causa nel senso di Granger una variabile Y se i

valori passati della X aiutano a spiegare la Y. Naturalmente, se c’è causalità di Granger non è detto che X determini Y. Perciò ci si riferisce alla

causalità di Granger e non semplicemente alla causalità. Ciò nonostante, se i valori passati della X hanno un potere esplicativo sui valori correnti

della Y è almeno presumibile che X possa causare Y. In pratica, X causa nel senso di Granger Y se i coefficienti (almeno uno) della regressione

sono statisticamente significativi; in altre parole, se esistono dei valori ritardati di X che contribuiscono a spiegare il valore corrente della Y, allora

diciamo che X causa nel senso di Granger Y. Dal momento che stiamo assumendo che X e Y non abbiano radici unitarie, l’analisi di regressione

OLS (Ordinary Least Square – stime dei minimi quadrati ordinari) viene utilizzata per stimare il modello. I valori di significatività dei singoli

coefficienti vengono usati per determinare se esiste causalità nel senso di Granger. Utilizzando un livello di significatività del 5% se qualche P-

value relativo ai coefficienti della regressione risulta inferiore allo 0,05 si conclude che esiste causalità nel senso di Granger. Se nessuno dei valori

di significatività risulta inferiore a 0,05 si conclude che non c’è causalità nel senso di Granger. Spesso si verificano causalità (o non causalità) in

entrambe le direzioni (come nel nostro studio).

Coefficiente di correlazione r: misura il grado di correlazione tra due variabili X e Y ed i suo valore può variare tra –1 (perfetta correlazione

negativa) e +1 (perfetta correlazione positiva). Il coefficiente di correlazione (lineare) di Bravais-Pearson può essere considerato come la covarianza

standardizzata tra due variabili in modo da ottenere un indice che varia tra –1 e +1. Il valore assoluto rappresenta la forza di associazione fra due

variabili. La correlazione di Pearson è il coefficiente adatto per variabili misurate almeno al livello di scale ad intervalli equivalenti16

. Indici da

consultare: la magnitudine assunta dal coefficiente di correlazione, tenendo in conto dei limiti della sua variazione e, per non renderne vano il

calcolo, è necessario confrontare la sua significatività (“Sig.”), ricordando che l’ipotesi nulla si riferisce a correlazioni pari a zero. Inoltre, la

statistica test t per stabilire se esiste una correlazione significativa tra le variabili viene rappresentata ad due code se non si hanno ipotesi circa la

direzione dell’effetto, ovvero non si abbia l’idea circa il segno positivo o negativo che è lecito attendersi dalla correlazione; ad una coda è la scelta

opportuna qualora si abbiano ipotesi circa la direzione positiva o negativa dell’effetto.

Coefficiente di correlazione parziale r: è un utile strumento per rendere meno ambigue le relazioni lineari fra le variabili. Infatti, un elevato

coefficiente di correlazione che a prima vista indica lo stretto legame univoco fra due variabili può risultare ridimensionato se si controllano gli

effetti di una terza variabile su tale correlazione. La correlazione parziale permette, dunque, di misurare la relazione fra due variabili dalla quale sia

stata eliminata la varianza comune con una o più ulteriori variabili. Il coefficiente di correlazione parziale è un coefficiente di relazione che è stato

corretto per l’influenza di una o più ulteriori variabili sulla correlazione bivariata. In pratica, la varianza utile ai fini della correlazione parziale è

16

I coefficienti di correlazione di Kendall e Spearman rappresentano l’alternativa non parametrica di calcolo del coefficiente di correlazione ove si abbiano scale di livello

ordinale (Kendall e Spearman) o ad intervalli in casi di distribuzioni palesemente distanti dalla normale (Spearman).


Pag

ina2

1

esclusivamente quella che non si sovrappone alla varianza od alle varianze delle variabili delle quali s’intende controllarne l’effetto. La c.p. accerta

l’esistenza o meno di correlazione lineare tra i residui della regressione di Y sull’insieme delle variabili esplicative X2…Xn ed i residui della

regressione di X1 sull’insieme delle stesse variabili esplicative; cioè accerta l’esistenza di relazione lineare fra y e x1 dopo aver controllato e, quindi,

eliminato, l’influenza delle altre variabili.

Coefficiente di determinazione r2: è un indice di affidabilità e del grado di approssimazione della retta di regressione. Perciò, quanto maggiore è il

valore di r2 tanto maggiore è la fiducia che si può avere nella retta di regressione. Più precisamente, il coefficiente di determinazione rappresenta la

proporzione della variazione totale della Y spiegata dall’equazione di regressione.

Errore standard del coefficiente di regressione sn: fornisce una stima dell’intervallo in cui cade il vero valore del coefficiente di regressione.

Errore standard della stima sy: è misurato dallo scarto quadratico medio (o deviazione standard) della regressione ed è interpretabile così: se si vuole

una probabilità del 95% che la variabile Y sia spiegata dalla regressione, l’intervallo fiduciario è dato dalla stima di popolazione di ± 6.185 unità

(es.: Tab. 4 quadro 5).

Indicatore statistico t di Student: è una misura della significatività statistica della correlazione tra una variabile indipendente X e la variabile

dipendente Y. Il suo valore viene calcolato dividendo la stima del coefficiente di regressione m per il suo errore standard sn. Il suo valore viene

confrontato con i valori tabellari di t. Perciò, l’indicatore t misura la distanza dallo zero del coefficiente di correlazione prendendo come parametro

l’errore standard. In linea di massima, quanto maggiore è il valore di t, tanto più grande è l’affidabilità del coefficiente di regressione. Viceversa,

bassi valori di t indicano che l’affidabilità di questo coefficiente, per quanto riguarda le previsioni, è limitata. E’ maggiormente utile nella

regressione multipla piuttosto che nella regressione semplice. La variabile t indica il grado di significatività di ciascuna variabile indipendente nel

predire il valore della variabile dipendente. Per ciascuna variabile indipendente è preferibile che il valore di t sia il maggiore possibile (positivo o

negativo). In generale, si può dire che è accettabile un valore di t superiore a + 2 od inferiore a – 2. Le variabili indipendenti con un basso valore di t

possono essere eliminate dall’equazione di regressione senza che ciò riduca sensibilmente il valore del coefficiente di determinazione r2, o aumenti

l’errore standard della regressione.

Multicollinearità: talvolta capita che tra le variabili indipendenti di un’equazione di regressione multipla esista una grado di forte correlazione

reciproca, o multicollinearità. In questo caso, le stime dei coefficienti di regressione potrebbero non essere applicabili. Le variabili collineari non

forniscono delle informazioni aggiuntive e risulta difficile individuare l’effetto che ciascuna di esse ha sulla variabile risposta. I valori dei

coefficienti di regressione per queste variabili potrebbero variare in maniera elevata a seconda di quali delle variabili indipendenti sono incluse nel

modello. Si ha multicollinearità nei seguenti casi:

sono bassi i valori di t di due variabili indipendenti che appaiono importanti

i valori stimati dei coefficienti delle variabili ritenute indipendenti hanno segno opposto a quello che ci si sarebbe logicamente aspettato

Per la risoluzione della multicollinearità si ricorre abitualmente alle seguenti due modalità alternative:

o si elimina dall’equazione una delle variabili altamente correlate


Pag

ina2

2

o si modifica l’espressione dell’equazione attraverso i seguenti artifici:

1. si dividono le variabili che compaiono in entrambi i membri dell’equazione per una serie di valori, che non alteri la logica economica

di base

2. si stima l’equazione in base alle differenze prime

3. si combinano le variabili tra loro correlate in una nuova variabile formata dalla loro somma ponderata

4. dalle variabili tra le quali esiste un alto grado di correlazione, tenerne una sola ed eliminare le altre.

Un metodo per la misurazione della multicollinearità si basa sul Variance Inflationary Factor VIF (VIFj=1/1-r2), che si può calcolare per ciascuna

delle variabili esplicative. Se le variabili esplicative non sono correlate tra di loro, il VIF è uguale ad 1. Se le variabili esplicative sono altamente

correlate tra di loro, il VIF è elevato e potrebbe eccedere 5 (alcuni autori indicano il valore di 10 come soglia).

Omoscedasticità: (o costanza dello scarto quadratico medio o varianza) è una delle ipotesi di base in uno studio di regressione per poter trarre

conclusioni statisticamente valide in merito alle relazioni esistenti nella popolazione o universo statistico oggetto di studio. Affinchè esista la

condizione di omoscedasticità lo scarto quadratico medio di successive osservazioni della variabile dipendente deve essere costante e tali

osservazioni devono provenire dallo stesso universo. Questa condizione indica che la dispersione dei dati rilevati è uniforme attorno alla linea di

regressione. Se questa ipotesi non è verificata c’è da dubitare dell’accuratezza con cui sono stati stimati i valori dei coefficienti di regressione.

Processi autoregressivi a media mobile ARMA: costituiscono una classe importante di processi stazionari, definiti attraverso equazioni lineari

nell’operatore di ritardo. Qualunque processo stazionario in senso debole può essere efficacemente approssimato - in termini della funzione di

autocovarianza – da un processo della classe ARMA. Vengono calcolati dall’apposita funzione “media mobile” di Excel 2000 sotto la voce Analisi

dei dati.

Stazionarietà (forte e debole): la proprietà di stazionarietà permette di considerare il processo omogeneo rispetto al tempo; in altre parole, la legge di

probabilità del processo (o di alcuni dei suoi momenti) è la stessa lungo tutto l’asse dei tempi. Da un punto di vista inferenziale, invece, questa

assunzione consente di ritenere il campione informativo sulla struttura del processo che l’ha generato17

. La stazionarietà forte fa riferimento a tutta

la distribuzione del processo, la stazionarietà debole fa riferimento solo ai momenti primi (valore atteso) e secondi (varianze ed autocovarianze). La

stazionarietà forte implica che la distribuzione di probabilità del processo sia invariante rispetto alla traslazione dell’asse dei tempi; la stazionarietà

debole, richiede esclusivamente l’esistenza e l’invarianza temporale dei momenti primi e secondi del processo, mentre non pone vincoli né sui

momenti di ordine superiore al secondo, né sull’invarianza temporale della distribuzione del processo. Contrapposta alla stazionarietà è la non

stazionarietà, che formalmente significa tutto ciò che non è stazionario. Gli economisti di solito focalizzano l’attenzione su un particolare tipo di non

stazionarietà che è presente in molte serie macroeconomiche: la radice unitaria (vd. Autoregressione).

17

Piccolo D., Introduzione all’analisi delle serie storiche, NIS, Roma, 1990.


Pag

ina2

3

Test F: si basa sul valore della variabile casuale F. Se il valore di F è maggiore del valore tabellare, si può concludere che tutti i termini della

regressione sono significativi . Per valori elevati indicheremo quelli con r2 0, mentre per valori bassi quelli con r

2 = 0 (rispetto al P-value).

Osserviamo che:

se il valore di significatività della statistica F è inferiore al 5% (cioè 0,05), concludiamo che r2 0

se il valore di significatività della statistica F è superiore al 5% (cioè 0,05), concludiamo che r2 = 0.

Test di Dickey-Fuller: quando un software come Excel 2000 esegue delle regressioni, calcolando I valori di significatività ipotizza (volentieri) che

tutte le variabile del modello siano stazionarie. Se la variabile Yt-1 è non stazionaria, il P-value ad essa associato non è corretto. Un modo per

verificare la presenza di una radice unitaria viene dato dal test di Dickey-Fuller. Il test mantiene l’uso della statistica t per verificare ρ = 0

nell’equazione ritardata ΔYt = α + ρ Yt-1 + γ1Yt-1 + ….+ γmax-1ΔYt-p max+1 + δt + εt . Nel modello AR (p) con trend deterministico (cioè in presenza di

variabili esplicative i cui coefficienti non sono significativamente diversi da zero) si ricercano i valori associati ai coefficienti delle ΔY ritardate non

significativi (cioè i valori di significatività che sono più elevati di 0,05) stimando via via i modelli AR(p) di ordine inferiore fino a che non troviamo

un modello AR(p) in cui γp-1 sia statisticamente significativo (o fino a quando non siano esauriti i ritardi). Per osservazioni sufficientemente

numerose una regola approssimativa è la seguente:

si stima il modello AR(p) con trend deterministico

si calcola la statistica t corrispondente al coefficiente ρ (ovvero il coefficiente di Yt-1)

se la versione definitiva del modello contiene un trend deterministico il valore del test Dickey-Fuller è approssimativamente pari ad un valore (p.

es. 3,45 valore critico per n osservazioni ad un livello di significatività del 5%). Se la statistica t relativa a ρ è più negativa del valore si rifiuta

l’ipotesi della radice unitaria e si conclude che la serie è stazionaria. Altrimenti si conclude che la serie ha una radice unitaria.


Pag

ina2

4

8. Analisi della domanda nel territorio della linea ferroviaria Rovigo-Chioggia

L’analisi della domanda del territorio della linea ferroviaria “asse” Rovigo-Chioggia viene condotta attraverso quattro blocchi “classici”:

GENERAZIONE- DISTRIBUZIONE

SCELTA MODALE

SCELTA D’ITINERARIO/ASSEGNAZIONE18

Diamo le definizioni generali19

per le terminologie utilizzate per blocchi:

A. GENERAZIONE: consente di stimare, in un arco temporale, il numero di spostamenti generati (espulsi o ricevuti) dai residenti nell’area di studio

(centroide). Gli attributi sono distinti in attributi socioeconomici relativi al settore d’attività, alla condizione professionale, al reddito familiare,

all’età media degli utenti, alla posizione del nucleo familiare;

attributi motivazionali relativi al motivo dello spostamento (studio/lavoro/affari/turismo/commissioni).

B. DISTRIBUZIONE: consente di calcolare l’aliquota di spostamenti che da una zona si spingono verso l’altra. Gli attributi sono distinti in attributi

d’attrattività che misurano la capacità attrattiva della destinazione; attributi di separazione (o di costo) che misurano il costo generalizzato fra la

zona d’origine e quella di destinazione.

C. SCELTA MODALE (SPLIT): fornisce l’aliquota di spostamenti che utilizzano un dato modo di trasporto nell’effettuare uno spostamento da una zona

all’altra. Gli attributi sono distinti in attributi del livello di servizio relativi alle caratteristiche dell’offerta del singolo modo (es.: tempo di

viaggio, costo monetario, ecc.); attributi socioeconomici relativi alle caratteristiche che influenzano la scelta di viaggio (es.: tasso di

motorizzazione familiare, età, sesso, ecc.)

D. SCELTA DEL PERCORSO/ASSEGNAZIONE: fornisce l’aliquota degli spostamenti che utilizzano ciascun percorso utilizzando ogni modo di trasporto

per recarsi dall’origine alla destinazione.

Questo per quanto concerne la modellistica classica maggiormente utilizzata.20

In questa analisi apporteremo una semplificazione alle indagini comportamentali “sul campo” necessarie per stabilire i livelli di mobilità

condizionata alla motivazione e ad altri parametri sociografici succitati nei quattro stadi (sottomodelli), utilizzando le più efficaci tecniche

econometriche inquadrabili in un’analisi di tipo quantitativo.

18

Quinet, E’., Analyse économique des trasports, PUF, Paris, 1990. 19

C.S.S.T., “Il modello matematico”, Rivista Bollettino d’informazione Sistemi di Trasporto”, anno 13 gennaio-febbraio 1991, Roma, pag. 2 segg. 20

C.S.S.T., ibidem.


Pag

ina2

5

9. Variabili indice

Gli indicatori tipici ENDOGENI implementati per l’analisi della domanda di tipo econometrico relativa alla linea ferroviaria Rovigo-Chioggia (date

le premesse) sono:

Densità: è una derivazione di superficie e qualifica la pressione d’uso sul territorio definendo le componenti primitive di mobilità potenziale in

un modello gravitazionale.

Matrici O-D: le O/D 2001 vengono elaborate, attraverso l’utilizzo di un fattore di accelerazione e sviluppo, su dati grezzi ISTAT 1991 suddivise

per motivazioni di lavoro e di studio. Definiscono il mercato servito. Costituiscono la risultante generale della mobilità indistinta (che

comprende tutte le modalità strumentali di spostamento).

Motorizzazione: illustra il tasso di strumentalità attivato dalla mobilità dell’area oggetto di studio. Indica la quota di mercato servito21

dal

trasporto.

Popolazione: costituita dal solo numero di individui legalmente residenti delle areole considerate, secondo il censimento generale 13° ISTAT

1991, quello intermedio ISTAT 1996 e quello generale 14° ISTAT 2001, quali indicatori di un mercato potenziale.22

Quota di movimenti pendolari ferroviari: definisce la quota di mercato penetrato,23

cioè l’insieme di individui che effettivamente acquistano un

prodotto di trasporto ferroviario (e, per differenza, non ferroviario).

Scuole medie inferiori e superiori: costituite dal numero di alunni residenti e frequentanti, espansi su serie storica quali indicatori motivazionali

di un mercato disponibile qualificato. L’esclusione degli studenti delle scuole elementari viene giustificata con la nulla mobilità individuale

esterna all’area, per tale categoria. L’esclusione degli studenti universitari viene giustificata dal motivo che la mobilità degli studenti universitari

fuori capoluogo di provincia (laddove sia presente una sede di facoltà) avviene generalmente con soggiorno esterno (perciò non quotidiana e

limitata abitualmente a due trips settimanali).

Superfici territoriali: censite in Kmq. da ISTAT 1991 con variazioni al 2001 per lo svincolo di piani d’area. Definiscono le aree oggetto di studio

e caratterizzano, per inferenza, il flusso di mobilità di generazione/attrazione, anche per gli effetti diretti che queste esercitano sulle mercuriali

insediative, diretta relazione sulla tipologia degli insediamenti stessi.

Unità locali: costituite dal numero degli addetti residenti e non nel territorio e dalle U.L., esplosi su serie storica quali indicatori motivazionali di

un mercato disponibile qualificato.24

10. Gli strumenti utilizzati

21

Ferrarese M., Quale domanda? Modelli e Mercati per il Trasporto Pubblico Locale-Stategia e Tattica, Seminario del 21/12/1999, Università degli Studi di Verona, 1999. 22

Ibidem. 23

Ibidem. 24

Ferrarese M., Quale domanda? Modelli e Mercati per il Trasporto Pubblico Locale-Stategia e Tattica, Atti del seminario del 21/12/1999, Università degli Studi di Verona,

1999.


Pag

ina2

6

Gli strumenti metodologici principalmente utilizzati per l’analisi quantitativa della domanda, di tipo statistico-econometrico e quelli di tipo

volumetrico relativi alla linea ferroviaria Rovigo-Chioggia, seguendo la metodologia dei blocchi A-B-C-D, sopra descritti, vengono sommariamente

indicati (alfabeticamente) in:

STATISTICO-ECONOMETRICO

Analisi di correlazione

Analisi di regressione (lineare e non lineare)

Analisi grafica e correlografica

ANOVA (analisi della varianza)

ARMA (processo)

Causalità nel senso di Granger (test)

Dickey-Fuller (test)

Frequenze

Funzione di crescita, funzione di previsione, funzione di tendenza

Granger-causalità nel senso di (test)

Rapporti statistici (Saggi d’incremento e decremento, rapporti di composizione, rapporti di derivazione, rapporti indici)

Statistica D (test)

Statistica t (test)

Statistica di Mallows (Cp) (scelta del miglior modello)

Stepwise (approccio - in manuale) e Best-Subsets (approccio - in automatico) e per la regressione (scelta del miglior modello)

Test F

VIF (test)

Altre metodologie statistiche previste da PHStat add-in ed SPSS 10.1.3 ITA

VOLUMETRICO

Analisi di benchmarking per i fattori competitivi di successo (blocco A-B)

Fattore di accelerazione per la mobilità (lavoro e studio) (blocco B)

Fattore di conversione per la mobilità (lavoro e studio) (blocco B)

Fattori di motorizzazione per pesi assoluti e relativi (blocco C)

Flussometria interasse per saldi assoluti e proporzionali (blocco A-B)

Flussometria intraasse per saldi assoluti e proporzionali (blocco A-B)

Funzione di Abraham-Blanchet costo/tempo (funzione di bilanciamento delle modalità) (blocco C)


Pag

ina2

7

Funzione di ripartizione modale temporale (blocco C)

Istruzione [quota di] extra asse Rovigo-Chioggia (blocco A-B)

Istruzione nell’asse Rovigo-Chioggia (blocco A-B)

Matrici O/D per pesi in valore assoluto ed in valore relativo (blocco B-D)

Modello di ATZ per la flussometria (blocco B-D)

Occupazione [quota di] extra asse Rovigo-Chioggia (blocco A-B)

Occupazione nell’asse Rovigo-Chioggia (blocco A-B)

PIL Veneto a prezzi di mercato per abitante (in ex £. correnti) (blocco B)

Popolazione (blocco A-B)

Reddito interno lordo al costo dei fattori per addetto/anno di Venezia e Rovigo (in ex £. correnti) (blocco B)

Superfici

Tabella delle retribuzioni medie Italia 2001 (blocco A-C)

Tasso di variazione delle popolazioni attive (blocco B)

Nota metodologica: i tassi d’incremento e decremento rispetto alle annualità verranno trattati, d’ora in poi, nella formulazione (B-A)/B, ove A

rappresenta l’annualità inferiore e B la superiore. I dati incrementali dovranno, perciò, leggersi come: “il dato per località nell’anno B si è

incrementato del …% ovvero il fattore di mobilità …della località … si è incrementato del …%” e non: “il dato … nell’anno B deriva dall’anno A

incrementato del …%). Ai fini del calcolo delle variazioni relative (o differenze relative), infatti, il risultato può apparire assai differente.25

25

Del Vecchio F., Statistica per la ricerca sociale, Cacucci Editore, Bari, 1996, pag.114.


Pag

ina2

8

11. Esame delle tabelle e dei quadri (analisi sinottica)

In dettaglio, questo secondo studio viene presentato come una sinossi attraverso 72 tabelle di Excel, 2 statistiche complete di asseveramento di

PHStat per la scelta del miglior modello, 12 statistiche di controllo ed asseveramento di SPSS 10.1.3 ITA, assieme a 10 grafici e correlografici, che

danno, date le precedenti premesse teoriche, il quadro di riferimento e le metodologie adottate attraverso le quali viene giustificata la mobilità

interarea ed intraarea nei territori della Piccola Area funzionalmente collegata alla linea ferroviaria Rovigo-Chioggia, mobilità rappresentata sia in

senso flussometrico, che quantificata in pesi assoluto, relativo e saldi assoluto e proporzionale.

Anche qui adottiamo una classificazione localizzativa, vale a dire nel senso di posizione geografica delle stesse località; il che comporta cautela, con

l’adozione di criteri d’analisi del territorio in senso entropico (badando anche all’influenza gravitazionale dei centri maggiori su quelli minori).

Tabella 1 FATTORI DI MOBILITA’

E’ la tabella riassuntiva di alcune delle tabelle che verranno rappresentate successivamente. La tabella risulta di facile autolettura per cui non ci si

soffermerà. Scuole medie inferiori e superiori 1991 e 2001 sono gli studenti frequentanti (ricavati in via statistica per il 2001). Popolazione 1991 e

2001 è la popolazione legale residente (accezione presente nei 13° e 14° censimenti generali). Superficie 1991 e 2001 sono le superfici dei comuni

(accezioni presenti nei 13° e 14° censimenti generali). La densità viene ricavata per algoritmo (seguendo ISTAT). Gli addetti alle U.L. 1991 e 2001

sono gli occupati residenti e non residenti (accezioni presenti nei 7° e 8° censimenti dell’industria e dei servizi)

Tabella 2 – STATISTICHE MONOVARIATE

Vengono calcolate, parimenti al precedente studio, le dispersioni, elaborate in verticale per ogni cluster a matrice 6x1 attraverso gli operatori:

kurtosis

skewness

mediana

media aritmetica

media delle deviazioni assolute dei loro valori rispetto alla media

deviazione standard sulla base dell’intera popolazione statistica espressa come argomenti

varianza dell’intera popolazione statistica

scostamento semplice medio

coefficiente di variazione

quadrato del coefficiente di variazione

valore massimo della deviazione media semplice in caso di massima variabilità S/maxS

valore massimo della deviazione standard in caso di massima variabilità σ/max σ


Pag

ina2

9

valore massimo della varianza in caso di massima variabilità σ2/max σ

2

In generale, le misure di dispersione, piuttosto accentuate, sembrerebbero definire l’esistenza di una certa disarmonia territoriale sugli indici

indicatori di mobilità.

Tabella 3 - STATISTICHE

Abbiamo, poi, messo in relazione tra di loro gli indicatori tipici ENDOGENI di mobilità della Piccola Area per verificarne la correlazione, ovvero,

allorchè la covarianza (al numeratore del coefficiente - compreso tra –1 e +1) risulti positiva, generando una relazione diretta tra le variabili, oppure

negativa, generando una relazione diversa, ossia al crescere di una variabile l’altra diminuisce. Tali statistiche dovranno necessariamente venire

asseverate successivamente.

La correlazione U.L. addetti 2001 e scuole alunni 2001 (r ≈ 0,93 – cella 29 C) indicherebbe un forte legame tra le variabili in oggetto.

La correlazione U.L. addetti 2001 e popolazione 2001 (r ≈ 0,89 – cella 30 C) costituisce un ottimo legame tra popolazione della Piccola Area e

U.L. addetti.

La correlazione scuole alunni 2001 e popolazione 2001 (r ≈ 0,79 – cella 31 C) denuncia un legame tra scuole e popolazione.

La correlazione U.L. addetti 2001 e U.L. 2001 (r ≈ 0,97 – cella 32 C) indica un fortissimo legame tra le variabili addetti ed Unità Locali.

La correlazione popolazione 2001 e U.L. 2001 (r ≈ 0,97 – cella 33 C) indicherebbe che c’è una fortissima corrispondenza tra popolazione e

U.L.

La correlazione scuole alunni 2001 e U.L. 2001 (r ≈ 0,87 – cella 34 C) indicherebbe che c’è una buona corrispondenza tra scuole alunni e U.L.

addetti.

La correlazione U.L. addetti 2001 e superficie 2001 (r ≈ 0,62 – cella 35 C) indicherebbe che c’è poca corrispondenza tra superficie e U.L.

addetti.

La correlazione popolazione 2001 e superficie 2001 (r ≈ 0,87 – cella 36 C) rivela una buona corrispondenza tra popolazione e superficie.

La correlazione scuole alunni 2001 e superficie 2001 (r ≈ 0,60 – cella 37 C) evidenzia una scadente relazione tra le variabili in oggetto.

Tabella 4 – STATISTICHE DI REGRESSIONE - Quadri 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12

Molto interessanti appaiono i risultati riportati nei dodici quadri di regressioni semplice e multipla tra le variabili presentate. Attraverso le

regressioni, ricordiamo, è possibile determinare se il valore di una variabile dipendente è una funzione (di connessione) della variabile indipendente.

La regressione calcola statistiche per una linea utilizzando il metodo dei minimi quadrati per calcolare la retta che meglio rappresenti i dati e

restituisce una matrice che descriva la retta. Per tali casi [n.d.a.: tali statistiche dovranno necessariamente venire asseverate successivamente], come

già illustrato (sezione Premesse metodologiche – i Ratio utilizzati), si pongono in osservazione le statistiche supplementari r2 (in grassetto blu nella

tabella 4 quadri 1-12):


Pag

ina3

0

nel quadro 1, r2 ≈ 0,86 (cella 32 F - correlazione tra le stesse variabili con r ≈ 0,92 – cella 29 C) indica che la variabile indipendente scuole

alunni influenza le unità locali addetti. In pratica, verrebbe da dire che gli studenti frequentanti nei territori studiati influenzano l’occupazione.

nel quadro 2, r2 ≈ 0,80 (cella 32 H - correlazione tra le stesse variabili con r ≈ 0,89 – cella 30 C) illustra una buona relazione d’influenza tra

popolazione e unità locali addetti. Verrebbe da dire che la popolazione residente nei territori determina l’occupazione.

Nel quadro 3, r2 ≈ 0,62 (cella 32 J – correlazione tra le stesse variabili con r ≈ 0,79 – cella 31 C), descrive una debole influenza tra popolazione e

scuole alunni frequentanti. Verrebbe da dire che la popolazione residente poco determina il livello di alunni frequentanti.

Nel quadro 4, r2 ≈ 0,94 (cella 40 E – correlazione tra le stesse variabili con r ≈ 0,97 – cella 32 C), descrive una forte influenza tra addetti U.L. e

Unità Locali.

Nel quadro 5, r2 ≈ 0,93 (cella 40 G – correlazione tra le stesse variabili con r ≈ 0,96 – cella 33 C), descrive una decisa influenza tra U.L. e

popolazione. Verrebbe da dire che la le U.L. determinano il livello degli insediamenti umani.

Nel quadro 6, r2 ≈ 0,81 (cella 40 I), descrive una certa influenza tra U.L. addetti e scuole alunni frequentanti e popolazione. Verrebbe da dire che

gli addetti e gli alunni determinano in qualche misura l’insediamento.

Nel quadro 7, r2 ≈ 0,93 (cella 48 C), descrive una influenza certa tra scuole alunni frequentanti e popolazione e U.L. addetti. Verrebbe da dire

che i fattori alunni e popolazione influenzano il livello degli addetti.

Nel quadro 8, r2 ≈ 0,87 (cella 48 F), descrive l’influenza tra popolazione e U.L. addetti e scuole alunni frequentanti. Verrebbe da dire che la

popolazione residente e gli addetti determinano in una qualche misura il livello di alunni frequentanti.

Nel quadro 9, r2 ≈ 1,00 (cella 48 I), descrive l’influenza fortissima tra U.L., Reddito Interno Lordo e popolazione. Verrebbe da dire che la

popolazione residente è influenzata sicuramente dalle Unità Locali e dal reddito pro capite per abitante.

Nel quadro 10, r2 ≈ 0,91 (cella 56 A), descrive l’influenza tra RIL, popolazione e scuole alunni frequentanti. Verrebbe da dire che il RIL e la

popolazione residente determinano il livello di alunni frequentanti.

Nel quadro 11, r2 ≈ 0,96 (cella 56 D), descrive l’influenza tra Unità Locali, RIL, popolazione e scuole alunni frequentanti. Verrebbe da dire che

la popolazione residente è influenzata dalle Unità Locali, dal reddito pro capite e dagli alunni frequentanti.

Nel quadro 12, r2 ≈ 1,00 (cella 56 H), descrive l’influenza fortissima tra U.L., RIL, popolazione e U.L. addetti. Verrebbe da dire che Unità

Locali, reddito pro capite e popolazione determinano gli addetti U.L..

Verifiche statistiche alla tabella 4 (foglio MOB) - Quadri 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12

Per quanto asserito sopra affermiamo la bontà delle variabili e degli indicatori statistici utilizzati osservando le statistiche del relative alle 12

regressioni presentate nella sezione: Statistiche aggiuntive per la bontà e l’asseveramento del modello – Elaborazioni con il programma statistico

SPSS 10.1.3.ITA per Windows.

1. Quadro 1 di tabella 4 con la regressione tra scuole 2001 (indip.) e unità locali addetti 2001 (dip.)


Pag

ina3

1

R-quadrato (R2) = 0,864 rivela una buona relazione di regressione

R-quadrato corretto (R2

corr) = 0,830 indica una buona corrispondenza nell’equazione di stima

F = 25,382 molto superiore al valore di significatività “Sig. variazione di F” (= P-value) = 0,007 denuncia la bontà della regressione

nel complesso

Durbin Watson = 1,515 rivela un’autocorrelazione negativa (perturbazione casuale) per valori di n<15 e dl=1,08<d<1,36=du per P=1

Correlazioni (ordine zero, parziali, parziali indipendenti) = 0,929 indice che rivela un’ottima correlazione tra le variabili

Statistica t (per il coefficiente della indipendente) = 5,038 molto superiore al valore di significatività Sig. (P-value) = 0,007, denuncia

che la variabile scuole alunni 2001 è sicuramente significativa per la spiegazione della dipendente unità locali addetti 2001

VIF (Variance Inflationary Factor) = 1,000 indica nessuna multicollinearità (non potrebbe essere diversamente essendo una sola la

variabile spiegante)

Altri indici: si obnubilano le traslazioni intellettuali per non appesantire ulteriormente la spiegazione

Commento: la regressione presenta un’ottima capacità spiegante. Gli alunni frequentanti sicuramente spiegano la presenza di addetti

U.L. Potrebbe voler dire che chi ultima gli studi poi certamente si impiega nella zona.

2. Quadro 2 di tabella 4 con la regressione tra popolazione 2001 (indip.) e unità locali addetti 2001 (dip.)

R-quadrato (R2) = 0,803 rivelerebbe una generale buona relazione di regressione

R-quadrato corretto (R2corr) = 0,754 indica una qualche corrispondenza nell’equazione di stima corretta, ma essendo detto valore

distante dal R2 si consideri prudenzialmente il valore inferiore di stima (principio di prudenzialità statistica)


nel complesso

Durbin Watson =1,008 rivela un’autocorrelazione quasi assente per valori di n<15 e dl=1,08<d<1,36=du per P=1

Correlazioni (ordine zero, parziali, parziali indipendenti) = 0,896 (unico) indice che rivela una buona correlazione tra le variabili

Statistica t (per il coefficiente della indipendente) = 4,043 molto superiore al valore di significatività Sig. (P-value) = 0,016 denuncia

che la variabile popolazione 2001 è sicuramente significativa per la spiegazione della dipendente unità locali addetti 2001



Altri indici: si tralasciano commenti per non appesantire la spiegazione

Commento: la regressione presenta in genere una discreta capacità spiegante. La popolazione residente potrebbe spiegare la presenza

di addetti U.L. Si potrebbe dire che la popolazione residente in parte contribuisce a creare addetti U.L. (n.d.a.: non “occupati”).

3. Quadro 3 di tabella 4 con la regressione tra popolazione 2001 (indip.) e scuole alunni frequentanti 2001 (dip.)


Pag

ina3

2

R-quadrato (R2) = 0,629 rivelerebbe una scadente relazione di regressione



F = 6,775 superiore al valore di significatività “Sig. variazione di F” (= P-value) = 0,060 denuncia la bontà della regressione nel

complesso

Durbin Watson = 1,616 rivela un’autocorrelazione negativa per valori di n<15 e dl=1,08<d<1,36=du per P=1

Correlazioni (ordine zero, parziali, parziali indipendenti) = 0,793 (unico) indice che rivela una correlazione tra le variabili

Statistica t (per il coefficiente della indipendente) = 2,603 appena superiore alla soglia di 2 e superiore al valore di significatività Sig.

(P-value) = 0,060 denuncia che la variabile popolazione 2001 è poco significativa per la spiegazione della variabile alunni

frequentanti 2001




Commento: la regressione presenta in genere una scadente (meglio dire nulla) capacità spiegante, perciò si esclude dalla

composizione del miglior modello di spiegazione.

4. Quadro 4 di tabella 4 con la regressione tra U.L. 2001 (indip.) e U.L. addetti 2001 (dip.)

R-quadrato (R2) = 0,949 rivelerebbe una ottima relazione di regressione


corr) = 0,936 indica una ottima corrispondenza nell’equazione di stima corretta, essendo detto valore vicino

dal R2


nel complesso

Durbin Watson = 0,516 rivela un’autocorrelazione positiva per valori di n<15 e dl=1,08<d<1,36=du per P=1

Correlazioni (ordine zero, parziali, parziali indipendenti) = 0,974 (unico) indice che rivela una ottima correlazione tra le variabili

Statistica t (per il coefficiente della indipendente) = 8,585 superiore alla soglia di 2 e superiore al valore di significatività Sig. (P-

value) = 0,001 denuncia che la variabile U.L. 2001 è significativa per la spiegazione della variabile addetti U.L. 2001





Pag

ina3

3

Commento: la regressione presenta in genere una scadente capacità spiegante a causa del Durbin-Watson, perciò si esclude dalla

composizione del miglior modello di spiegazione.

5. Quadro 5 di tabella 4 con la regressione tra U.L. 2001 (indip.) e popolazione 2001 (dip.)



corr) = 0,923 indica una ottima corrispondenza nell’equazione di stima corretta, essendo detto valore vicino

dal R2


nel complesso

Durbin Watson = 1,569 rivela un’autocorrelazione negativa per valori di n<15 e dl=1,08<d<1,36=du per P=1

Correlazioni (ordine zero, parziali, parziali indipendenti) = 0,969 (unico) indice che rivela una ottima correlazione tra le variabili

Statistica t (per il coefficiente della indipendente) = 7,812 superiore alla soglia di 2 e superiore al valore di significatività Sig. (P-

value) = 0,001 denuncia che la variabile U.L. 2001 è significativa per la spiegazione della variabile popolazione 2001




Commento: la regressione presenta un’ottima capacità spiegante. Le U.L. 2001 sicuramente spiegano la presenza di popolazione.

Potrebbe voler dire che le Unità Locali fanno insediare la popolazione.

6. Quadro 6 di tabella 4 con la regressione multipla tra U.L. addetti 2001, alunni frequentanti 2001 (indip.) e popolazione 2001 (dip.)

R-quadrato (R2) = 0,815 rivelerebbe una buona relazione di regressione




complesso

Durbin Watson = 1,291 rivela un’autocorrelazione assente per valori di n<15 con 0,95<d<1,54 per P=2

Correlazioni di ordine zero = 0,896 tra addetti e popolazione; = 0,793 tra alunni frequentanti e popolazione

Correlazioni parziali = 0,709 tra addetti e popolazione; = -0,245 tra alunni frequentanti e popolazione

Correlazioni parziali indipendenti = 0,432 tra addetti e popolazione; = -0,109 tra alunni frequentanti e popolazione

Statistica t (per i coefficienti delle indipendenti) = 1,740 non superiore alla soglia di 2 ma superiore al valore di significatività Sig.

(P-value) = 0,180 tra addetti e popolazione; = -0,438 in modulo non superiore alla soglia di 2 ed inferiore al valore di significatività


Pag

ina3

4

Sig. (P-value) = 0,691 tra alunni frequentanti e popolazione denuncia che le variabili assieme non sono significative per la

spiegazione della variabile popolazione 2001

VIF (Variance Inflationary Factor) = 7,346 indica multicollinearità


Commento: la regressione non presenta capacità spiegante.

7. Quadro 7 di tabella 4 con la regressione multipla tra scuole alunni frequentanti 2001, popolazione 2001 (indip.) e U.L. addetti 2001 (dip.)



corr) = 0,887 indica una corrispondenza nell’equazione di stima corretta, ma essendo detto valore distante dal

R2 si consideri prudenzialmente il valore inferiore di stima (principio di prudenzialità statistica)


nel complesso

Durbin Watson = 1,680 rivela un’autocorrelazione negativa per valori di (osservazioni) n<15 (con dl=0,95<d<1,54=du) e con P=2 per

test ad una coda

Correlazioni di ordine zero = 0,929 tra alunni ed addetti; = 0,896 tra popolazione ed addetti

Correlazioni parziali = 0,810 tra alunni ed addetti; = 0,709 tra popolazione ed addetti

Correlazioni parziali indipendenti = 0,359 tra alunni ed addetti; = 0,261 tra popolazione ed addetti

Statistica t (per i coefficienti delle indipendenti) = 2,388 superiore alla soglia di 2 e superiore al valore di significatività Sig. (P-value)

= 0,097 tra alunni ed addetti; = 1,740 non superiore alla soglia di 2 e superiore al valore di significatività Sig. (P-value) = 0,180 tra

popolazione ed addetti denuncia che le variabili indipendenti assieme sono significative per la spiegazione della variabile addetti

2001

VIF (Variance Inflationary Factor) = 2,694 indica assenza di multicollinearità


Commento: la regressione presenta capacità spiegante. Varrebbe a dire che alunni frequentanti e popolazione assieme spiegano

l’esistenza di U.L. addetti.

8. Quadro 8 di tabella 4 con la regressione multipla tra popolazione 2001, U.L. addetti 2001 e scuole alunni frequentanti 2001 (dip.)



corr) = 0,787 indica una corrispondenza nell’equazione di stima corretta, ma essendo detto valore distante dal

R2 si consideri prudenzialmente il valore inferiore di stima (principio di prudenzialità statistica)


Pag

ina3

5


complesso


test ad una coda

Correlazioni di ordine zero = 0,793 tra popolazione ed alunni; = 0,929 tra addetti e alunni freq.

Correlazioni parziali = -0,245 tra popolazione ed alunni; = 0,810 tra addetti e alunni freq.

Correlazioni parziali indipendenti = -0,090 tra popolazione ed alunni; = 0,493 tra addetti e alunni freq.

Statistica t (per i coefficienti delle indipendenti) = -0,438 in modulo inferiore alla soglia di 2 ed inferiore al valore di significatività

Sig. (P-value) = 0,691 tra popolazione ed alunni; = 2,388 superiore alla soglia di 2 e superiore al valore di significatività Sig. (P-

value) = 0,097 tra addetti ed alunni denuncia che le variabili indipendenti assieme non sono significative per la spiegazione della

variabile alunni frequentanti 2001

VIF (Variance Inflationary Factor) = 5,086 indica multicollinearità


Commento: la regressione non presenta capacità spiegante.

9. Quadro 9 di tabella 4 con la regressione multipla tra U.L. 2001, RIL 2001 (indip.) e popolazione 2001 (dip.)



corr) = 0,992 indica una ottima corrispondenza nell’equazione di stima corretta

F = 318,769 molto superiore al valore di significatività “Sig. variazione di F” (= P-value) = 0,000... denuncia la eccezionale bontà

della regressione nel complesso


test ad una coda

Correlazioni di ordine zero = 0,969 tra U.L. e popolazione; = 0,645 tra RIL e popolazione

Correlazioni parziali = 0,996 tra U.L. e popolazione; = 0,961 tra RIL e popolazione

Correlazioni parziali indipendenti = 0,761 tra U.L. e popolazione; = 0,238 tra RIL e popolazione

Statistica t (per i coefficienti delle indipendenti) = 19,257 superiore alla soglia di 2 e superiore al valore di significatività Sig. (P-

value) = 0,000… tra U.L. e popolazione; = 6,034 superiore alla soglia di 2 e superiore al valore di significatività Sig. (P-value) = 0,09

tra RIL e popolazione denuncia che le variabili indipendenti assieme sono significative per la spiegazione della variabile popolazione

2001



Pag

ina3

6


Commento: la regressione presenta alta capacità spiegante. Varrebbe a dire che Unità Locali e Reddito Interno Lordo assieme

spiegano l’esistenza di insediamenti di popolazione.

10. Quadro 10 di tabella 4 con la regressione multipla tra RIL 2001, popolazione 2001 (indip.) e alunni frequentanti 2001 (dip.)



corr) = 0,863 indica una indica una corrispondenza nell’equazione di stima corretta, ma essendo detto valore



complesso


test ad una coda

Correlazioni di ordine zero = 0,101 tra RIL ed alunni frequentanti; = 0,793 tra popolazione ed alunni frequentanti

Correlazioni parziali = -0,882 tra RIL ed alunni frequentanti; = 0,958 tra popolazione ed alunni frequentanti

Correlazioni parziali indipendenti = -0,538 tra RIL ed alunni frequentanti; = 0,953 tra popolazione ed alunni frequentanti

Statistica t (per i coefficienti delle indipendenti) = -3,247 in modulo superiore alla soglia di 2 e superiore al valore di significatività

Sig. (P-value) = 0,048 tra RIL ed alunni; = 5,754 superiore alla soglia di 2 e superiore al valore di significatività Sig. (P-value) =

0,010 tra popolazione ed alunni frequentanti denuncia che le variabili indipendenti assieme sono significative per la spiegazione della

variabile alunni frequentanti 2001



Commento: la regressione presenta alcune capacità spieganti. Varrebbe a dire che Reddito Interno Lordo e popolazione assieme

potrebbero spiegare l’esistenza alunni frequentanti

11. Quadro 11 di tabella 4 con la regressione multipla tra U.L. 2001, RIL 2001, popolazione 2001 (indip.) e alunni frequentanti 2001 (dip.)



corr) = 0,912 indica una indica una buona corrispondenza nell’equazione di stima corretta.


complesso


test ad una coda


Pag

ina3

7

Correlazioni di ordine zero = 0,877 tra U.L. ed alunni frequentanti; = 0,101 tra RIL ed alunni frequentanti; = 0,793 tra popolazione

ed alunni frequentanti

Correlazioni parziali = -0,755 tra U.L. ed alunni frequentanti; = -0,896 tra RIL ed alunni frequentanti; = 0,848 tra popolazione ed

alunni frequentanti

Correlazioni parziali indipendenti = -0,216 tra U.L. ed alunni frequentanti; = -0,379 tra RIL ed alunni frequentanti; = 0,301 tra

popolazione ed alunni frequentanti

Statistica t (per i coefficienti delle indipendenti) = -1,627 in modulo inferiore alla soglia di 2 e superiore al valore di significatività

Sig. (P-value) = 0,245 tra U.L. ed alunni; = -2,846 in modulo superiore alla soglia di 2 e superiore al valore di significatività Sig. (P-

value) = 0,104 tra RIL ed alunni frequentanti; = 2,262 superiore alla soglia di 2 e superiore al valore di significatività Sig. (P-value) =

0,152 tra popolazione ed alunni frequentanti denuncia che le variabili indipendenti assieme potrebbero essere significative per la

spiegazione della variabile alunni frequentanti 2001

VIF (Variance Inflationary Factor) = 155,516 per U.L. ed alunni frequentanti indica multicollinearità; = 16,939 per RIL ed alunni

frequentanti indica multicollinearità; = 213,513 per popolazione ed alunni frequentanti indica multicollinearità;


Commento: la regressione presenta un’eccellente capacità spiegante, ma, a causa del VIF elevato e del t-ratio dubbio, si rimanda il

giudizio di efficacia spiegante la regressione (e la conseguente costruzione dell’equazione di previsione) al successivo foglio di

lavoro BESTWS (Best-Subsets), laddove verrà attivata una apposita procedura di inserimento/rimozione dei fattori spieganti .

12. Quadro 12 di tabella 4 con la regressione multipla tra U.L. 2001, RIL 2001, popolazione 2001 (indip.) e U.L. addetti 2001 (dip.)



corr) = 0,990 indica una indica una ottima corrispondenza nell’equazione di stima corretta.

F = 168,380 molto superiore al valore di significatività “Sig. variazione di F” (= P-value) = 0,006 denuncia la eccezionale bontà

della regressione nel complesso


test ad una coda

Correlazioni di ordine zero = 0,974 tra U.L. ed addetti; = 0,244 tra RIL ed addetti; = 0,896 tra popolazione ed addetti

Correlazioni parziali = 0,506 tra U.L. ed addetti; = -0,862 tra RIL ed addetti; = 0,622 tra popolazione ed addetti

Correlazioni parziali indipendenti = 0,037 tra U.L. ed addetti; = -0,107 tra RIL ed addetti; = 0,050 tra popolazione ed addetti

Statistica t (per i coefficienti delle indipendenti) = 0,829 inferiore alla soglia di 2 e superiore al valore di significatività Sig. (P-value)

= 0,494 tra U.L. ed addetti; = -2,400 in modulo superiore alla soglia di 2 e superiore al valore di significatività Sig. (P-value) = 0,138


Pag

ina3

8

tra RIL ed addetti; = 1,125 inferiore alla soglia di 2 e superiore al valore di significatività Sig. (P-value) = 0,378 tra U.L. ed addetti

denuncia che le variabili indipendenti assieme potrebbero essere significative per la spiegazione della variabile addetti 2001

VIF (Variance Inflationary Factor) = 155,516 per U.L. ed addetti indica multicollinearità; 16,393 per RIL ed addetti indica

multicollinearità; 213,513 per popolazione ed addetti indica multicollinearità;


Commento: la regressione presenta un’eccellente capacità spiegante, ma, a causa del VIF elevato e del t-ratio dubbio, si rimanda il

giudizio di efficacia spiegante la regressione (e la conseguente costruzione dell’equazione di previsione) al successivo foglio di

lavoro BESTWS (Best-Subsets), laddove verrà attivata una apposita procedura di inserimento/rimozione dei fattori spieganti .

Al termine dell’analisi di regressione devono essere scelti i modelli che maggiormente si adattano alla spiegazione dei fenomeni e che forniscano le

equazioni di spiegazione delle relazioni

Commento generale all’analisi di regressione (attraverso i quadri di regressione che hanno superato i test):

a. QUADRO 1: la popolazione scolastica della piccola area funzionale Rovigo-Chioggia, espressa in alunni frequentanti (intendendo,

ripetiamo, alunni residenti + alunni in ingresso – alunni in uscita dall’area) ha ottime probabilità di trovare lavoro nell’area funzionalmente

collegata della linea ferroviaria Rovigo-Chioggia

b. QUADRO 5: le Unità Locali certamente sono motivi di insediamento della popolazione. La popolazione s’insedia vicino ai luoghi di lavoro

od impiego (effetto di scarsa mobilità intraarea)

c. QUADRO 7: scuole alunni frequentanti e popolazione residente, assieme, spiegano l’esistenza di addetti alle Unità Locali. Può voler dire

che chi studia e risiede nella piccola area funzionale Rovigo-Chioggia trova colà lavoro sicuro (effetto di scarsa mobilità intraarea)

d. QUADRO 9: le Unità Locali ed il Reddito Interno Lordo al costo dei fattori di produzione, espresso per abitante, assieme, spiegano

l’esistenza di insediamenti di popolazione

e. QUADRO 10: il Reddito Interno Lordo e la popolazione spiegano l’esistenza di alunni frequentanti. Vale a dire che la ricchezza pro capite

(o di nucleo familiare) e la popolazione generano unità umane che consumano il prodotto scolastico. Certamente, rispetto al quadro 3,

abbiamo un elemento spiegante forte, costituito dal RIL assieme alla popolazione. Tra le ipotesi che formuliamo, a questo punto,

relativamente alla mancata (o dubbia) performance della regressione dei quadri 3 e 8 con alunni frequentanti come variabile (dipendente)

spiegata, annoveriamo:

o la popolazione residente da sola non è sufficiente a spiegare gli alunni frequentanti, probabilmente a causa dell’invecchiamento della

popolazione stessa


Pag

ina3

9

o la popolazione residente e gli addetti alle U.L. (motivatore del lavoro) non sono indicatori sufficienti per giustificare gli alunni

frequentanti, probabilmente perché quest’ultimi sono, soprattutto, di provenienza esterna all’area funzionalmente collegata alla linea

ferroviaria Rovigo-Chioggia

f. QUADRO 1126

: le Unità Locali, il RIL, la popolazione spiegano l’esistenza di alunni frequentanti. Sembrerebbe di poter affermare che solo

il mix di fattori spieganti determini l’esistenza di popolazione scolastica frequentante nei centri della piccola area funzionale.

g. QUADRO 1227

: le Unità Locali, il RIL, la popolazione spiegano l’esistenza di addetti U.L. La spiegazione è lasciata al lettore.

I modelli che hanno superato i test (con approccio Stepwise manuale) sono quelli analizzati nei:

QUADRO 1

QUADRO 5

QUADRO 7

QUADRO 9

QUADRO 10

QUADRO 1128

QUADRO 1229

26

n.d.a.: con riserva 27

ibidem 28

ibidem 29

ibidem


Pag

ina4

0

Le equazioni di primo ordine (delle interpolanti) che descrivono compiutamente i fenomeni sono (tabella 4 valori in rosso):

QUADRO 1: Y = 2,7060 X + 1.483 con Y = U.L. addetti e X = alunni frequentanti

QUADRO 5: Y = 12,8273 X + 541 con Y = popolazione residente e X = Unità Locali

QUADRO 7: Y = 0,1445 (X1) + 1,7152 (X2) + 468 con Y = U.L. addetti e (X1) = alunni freq.; (X2) = popolazione res.

QUADRO 9: Y = 2,4979 (X1) + 11,2551 (X2) - 90.791 con Y = popolazione res. e (X1) = Unità Locali; (X2) = RIL

QUADRO 10: Y = 0,1442 (X1) - 0,7634 (X2) + 27.744 con Y = alunni freq. e (X1) = RIL; (X2) = popolazione res.

QUADRO 11: Y = 0,5086 (X1) - 1,6632 (X2) - 4,1343 (X3) + 60.489 con Y = alunni freq. e (X1) = U.L.; (X2) = RIL; (X3) =

popolazione res.

QUADRO 12: Y = 0,2457 (X1) – 1,3627 (X2) + 2,0482 (X3) + 49.844 con Y = U.L. addetti e (X1) = U.L.; (X2) = RIL; (X3) =

popolazione res.

Al fine di calcolare i valori attesi di previsione per le variabili dipendenti è sufficiente sostituire nelle variabili indipendenti i valori corrispondenti,

per ciascuna delle località oggetto di studio.

I valori attesi per le variabili sono in Statistiche aggiuntive per la bontà e l’asseveramento del modello – Elaborazioni con il programma statistico

SPSS 10.1.3.ITA per Windows):

Tabella 5 (foglio POP) POPOLAZIONE

In questa tabella vengono presentate le popolazioni dell’area funzionalmente collegata alla linea ferroviaria Rovigo-Chioggia. Sono state scelte tre

annualità di rappresentazione: 1991 in occasione del 13° censimento generale della popolazione, 1996 (censimento intermedio per la popolazione) e

2001 (14° censimento generale della popolazione – primi e soli dati pubblicati in rete). Appare evidente, al di là delle correlazioni di serie storica

che assegnano valori altissimi per r, facendo presumere una ottima linearità tra le variabili ed un’assenza di fenomeni perturbativi, ci soffermeremo

sugli incrementi percentuali degli scostamenti. Notiamo che Chioggia cala del 2,75% circa in un decennio (cella 2F) mentre Rosolina cresce del

5,46%. In calo Loreo del 1,91% (cella 4F) ed Adria del 2,85% (cella 5F). Ceregnano segnala un calo pari al 3,63% (cella 6F), Rovigo del 8,91%

(cella 7F) contro il calo del 2,96% del 1996. I dati maggiormente in calo sembrerebbero far pensare ad un “crollo” della popolazione. Interessante

diverrà, a questo punto, l’incrocio di tali dati con quelli dell’occupazione. I dati relativi alla popolazione vengono rappresentati in grafico 1.

Grafico 1 (foglio POP)

Il grafico induttivo rappresenta l’andamento temporale delle popolazioni gravitanti sulla linea ferroviaria Rovigo-Chioggia. Si possono notare i vari

scostamenti. La lettura dev’essere eseguita considerando le vicinanze e le lontananze delle linee tra loro che rappresentano valori assoluti. Non va

eseguita una lettura percentuale. Il vantaggio di tale lettura risiede nella individuazione veloce dei bacini di popolazione più rappresentativi.


Pag

ina4

1

Tabella 6

La tabella raffigura l’andamento demografico in area adiabatica per le serie storiche 1991, 1996, 2001 per ciascuna località. L’andamento delle

popolazioni ha subito, in valori relativi per l’area intera, delle sensibili modificazioni. Conseguenza di questo è che la domanda è potenzialmente

instabile.

Interessanti sono le proiezioni delle popolazioni legali residenti per le annualità 2002, 2003, 2004, 2005 e 2006. Vengono calcolate con funzione di

tendenza (vd. Trattamento delle variabili – i Ratio utilizzati). Il calo sensibile sembrerebbe proseguire anche nei prossimi anni. Viene tracciata,

inoltre, l’equazione di sesto grado descrittiva dell’andamento delle popolazioni nelle annualità. L’approssimazione è del 99,8% (R2) ma si deve

tenere conto che l’interpolante “vera” è relativa agli anni 1991, 1996, 2001, in quanto i valori in proiezione sono assolutamente lineari (Grafico 2).

Tabella 7 SUPERFICI

Vengono riportati i dati relativi alle superfici territoriali in kmq. relativi agli anni 1991 e 2001. Il dato è utile per comprendere le variazioni dei

territori delle singole località e le politiche di espansione delle amministrazioni locali (nei territori sdemanializzati in genere vengono inserite attività

da reddito medio-alto).

Grafico 3

Rappresenta la situazione, in istogrammi della tabella 13, per una lettura maggiormente facilitata. Viene rappresentata, inoltre, l’interpolante di

grado quinto che descrive con R2=1 (adattamento al 100%) l’andamento delle superfici nella piccola area funzionalmente collegata.

Tabella 8

Vengono condotte delle ipotesi di relazione tra superfici delle località nelle annualità 1991, 2001 e popolazioni legalmente residenti 1991, 2001. Lo

scopo è quello di osservare l’andamento delle superfici in relazione alle popolazioni per spiegare le une e le altre. Il coefficiente di correlazione per

la relazione 1991 è r = 0,85105 rivela una relazione piuttosto interessante tra le variabili scelte. Al variare di una varierebbe anche l’altra. Lo stesso

dicasi per l’annualità 2001 con r = 0,87090. La maggiore correlazione per il 2001 sembrerebbe dimostrare una maggiore stabilizzazione del sistema

territoriale rispetto alla popolazione legalmente residente.

Tabella 9

Viene eseguita una doppia regressione lineare sulle variabili superfici 1991 (celle A38:B42) e 2001(celle A44:B48) prese come dipendenti), con

popolazioni 1991 e 2001 indipendenti, poi con variabili popolazioni 1991 (celle C38:D42) e 2001 (celle C44:D48) prese come dipendenti, con


Pag

ina4

2

superfici indipendenti. Lo scopo è quello di capire se le correlazioni forti evidenziate rivelano relazioni forti tra le due variabili in modo che l’una

spieghi l’altra.

Notiamo coefficienti di determinazione r2 per l’intera annualità 1991 dello 0,72. Ciò fa dire che superficie e popolazione spiegano poco le

reciproche influenze. Per l’anno 2001 r2

≈ 0,75; ciò fa pensare ad una tendenza ad influenzarsi maggiormente rispetto al passato.

Grafico 4

Viene riportata la distribuzione tra superficie 2001 e popolazione 2001 dell’area considerata, allo scopo di evidenziare, ovviamente con grandezze

differenti (scala sx-superfici differente da scala dx-abitanti), gli andamenti delle due variabili. Si notano i surdimensionamenti di alcune località (es.:

Rosolina) rispetto alla popolazione.

Tabella 10 LAVORO

E’ la tabella che illustra il fattore lavoro. E’ ripartita in Unità Locali U.L. (vd. Glossario) e Addetti, per tre annualità di analisi, 1991 (7° censimento

dell’industria e dei servizi), 1996 (censimento intermedio) e 2001 (8° censimento – primi risultati).

Notiamo da subito un incremento generalizzato delle U.L., tranne che a Ceregnano, e degli addetti (ovunque). L’economia della zona, in genere,

sembra “tirare” ed i tassi di occupazione (vd. Glossario) 1991 e 2001 lo confermano.

I dati di tabella 10 sono pubblicati da ISTAT tranne quelli delle variazioni relative (celle 4-10E, 4-10I) e dei rapporti di composizione (4-10J, 4-

10K), dati dal calcolo.

Tabella 11

Nella tabella 11 vengono trattate le popolazioni attive e gli occupati residenti Wbj (vd. Glossario). I dati 1991 sono di fonte ISTAT, i dati 2001 (non

ancora pubblicati da ISTAT) sono ricavati con metodologia sintetico proporzionale corretta. L’applicazione di tale metodologia risulta necessaria

per mancanza di dati. Abbiamo posto la popolazione attiva 2001 residente M/F derivata dalla popolazione attiva 1991, incrementata o decrementata

del tasso di variazione della popolazione 2001, tasso di variazione a sua volta moltiplicato per l’incremento/decremento del fattore motivazionale di

attività, in questo caso il lavoro (celle 4-10I) preso nel suo valore assoluto per motivi di segno. La giustificazione scientifica come appresso:

esiste una relazione formale: tra popolazione residente e unità locali addetti nelle tre annualità 1991, 1996 e 2001, relazione evidenziata dal

grafico Grafico 7 foglio UL. L’equazione (di grado 2) della interpolante che descrive i rapporti di composizione addetti/popolazioni nelle

annualità è: Y=0,0018X2-7,0858X+7.061,7 con r

2 = 1. Il coefficiente 0,0018(X

2) rappresenta l’”elasticità” della interpolante quadratica ed è

il fattore moltiplicativo dei valori di X2 per ottenere la dipendente Y. L’andamento nelle 10 annualità (11 di estremità) risulta essere molto

lento.


Pag

ina4

3

esiste una relazione metodologica: in condizione di metodologia sintetico proporzionale si utilizzano fattori di tendenza o moltiplicativi tali

da assicurare la maggiore linearità alla relazione.

esiste una relazione logico-razionale: se l’insieme addetti e l’insieme popolazioni residenti sono strettamente correlati nelle annualità,

significa che le popolazioni attive (sottoinsieme delle popolazioni residenti) lo sono. Il fattore moltiplicativo si spiega in tale modo: la

popolazione attiva 2001 deriva dalla popolazione attiva 1991 incrementata/decrementata in ragione proporzionale

all’incremento/decremento del fattore lavoro (spiegato dal grafico UL 7), sviluppato/contenuto dall’incremento/decremento della stessa

popolazione residente.

esiste una relazione sperimentale: tale fattore moltiplicatore assoluto ha trovato giustificazione sperimentale in occasione dello studio della

linea ferroviaria Vicenza-Schio (anno 2000) e della linea ferroviaria Verona-Legnago-Rovigo (anno 2002).

Analogo intervento per quanto riguarda gli occupati residenti Wbj (celle 15-21F).

Interessanti risultano essere altri dati presentati: in particolare l’incremento della popolazione attiva (celle 15-21H) composta secondo le attribuzioni

succitate. Complessivamente, il dato risulta mediocre pensando alla mobilità. Nella colonna successiva (celle 15-20I) vengono trattati i pesi assoluti

della popolazione lavorativa per località lungo l’asse Rovigo-Chioggia Abj, ossia, matematicamente, i lavoratori residenti 2001 Wbj nelle località – i

lavoratori Ej uscenti lungo l’asse + i lavoratori Uj entranti dall’asse (tratti dalle O/D 2001). E’ una misura che descrive le potenzialità del territorio in

termini di fattori produttivi (e di mobilità). La colonna successiva (celle 15-20J) rappresenta la differenza tra gli addetti alle U.L. 2001 (che,

ricordiamo, provengono dall’asse e fuori dall’asse Rovigo-Chioggia) ed i lavoratori intraasse presenti nelle località. Tale differenza rappresenta il

saldo dei lavoratori extraasse, ossia coloro che, per vari motivi, sono costretti a spostarsi per lavorare fuori dall’asse ferroviario oppure si spostano

verso le località dell’asse. Tale affermazione viene giustificata formalmente nel seguente modo:

a) Aj addetti alle U.L. 2001

b) Ej = lavoratori entrati lungo l’asse (intraasse)

c) Uj = lavoratori usciti lungo l’asse (intraasse)

d) Ex = lavoratori entrati extraasse (da fuori asse)

e) Ux = lavoratori usciti extraasse (fuori asse)

f) Aj = lavoratori entranti intraasse Ej + lavoratori entranti extraasse Ex + lavoratori residenti non usciti Wbxj

g) lavoratori residenti non usciti Wbxj = Wbj - Uj - Ux

h) sostituendo nella f): Aj = Ej + Ex + Wbj – Uj - Ux

i) ma: Wbj + Ej – Uj = Abj

j) Aj = Ex + Abj - Ux

k) risolvendo rispetto al saldo extraasse otteniamo : Ex – Ux = Aj - Abj che si legge come il saldo dei lavoratori entrati oppure usciti fuori

dall’asse ferroviario (segno + = entrati; segno meno = usciti).


Pag

ina4

4

L’ultima colonna (celle 15-20K) rappresenta il rapporto percentuale (rapporto di variazione relativa) tra il saldo precedente extraasse ed gli addetti

presenti nelle U.L. 2001. E’ un indicatore percentuale della mobilità esterna all’asse, sicuramente non interessata dal treno ma da altri mezzi.

Grafico 5

Rappresenta la tabella 10 nelle sue espressioni Unità Locali per località ed annualità, con relative interpolanti di grado cinque con adattamento al

100%.

Grafico 6

Rappresenta la tabella 10 nelle sue espressioni Addetti di Unità Locali per località ed annualità, con relative interpolanti di grado cinque con

adattamento al 100%.

Grafico 7

Già trattato.

Tabella 12 ISTRUZIONE

E’ la tabella relativa all’istruzione. Vengono rappresentati gli andamenti degli studenti delle scuole medie di primo grado intesi come fattori di

mobilità. Regione Veneto (altri contattati – Provveditorati, M.I.R.S., ISTAT - devono ancora rispondere) ha comunicato solamente i dati di sette

annualità (1991/92-1997/98), sicchè le tre annualità residue (1998/99, 1999/00, 2000/01) sono state ricavate dalla funzione di crescita con potenze 8,

9, 10 (interpolante già descritta nelle premesse). E’ stata scelta tale funzione piuttosto che altre per il valore di attenuazione che offre in relazione

all’interpolazione. La funzione tendenza, ad esempio, soffre di analiticità e potrebbe essere poco rappresentativa in caso di forti

decrementi/incrementi nelle annualità. Invece crescita contiene i decrementi a livelli spiegabili.

Tabella 13

E’ la seconda tabella dell’istruzione. Vengono rappresentati gli andamenti degli studenti delle scuole medie di secondo grado intesi come fattori di

mobilità. Regione Veneto (altri contattati – Provveditorati, M.I.R.S., ISTAT - devono ancora rispondere) ha comunicato solamente i dati di sette

annualità (1991/92-1997/98), sicchè le tre annualità residue (1998/99, 1999/00, 2000/01) sono state ricavate dalla funzione di crescita con potenze 8,

9, 10 (interpolante già descritta nelle premesse). E’ stata scelta tale funzione piuttosto che altre per il valore d’attenuazione che offre in relazione

all’interpolazione. La funzione tendenza, ad esempio, soffre di analiticità e potrebbe essere poco rappresentativa in caso di forti

decrementi/incrementi nelle annualità. Invece crescita contiene i decrementi a livelli spiegabili.


Pag

ina4

5

Tabella 14

Rappresenta le sommatorie zonali per annualità delle tabelle 12 e 13.

Tabella 15

Parimenti a quanto fatto in precedenza (foglio UL), anche nella tabella 15 vengono rappresentati i rapporti tra gli studenti frequentanti ed i residenti

con i relativi incrementi/decrementi (celle 34-40D). Per quanto riguarda gli studenti residenti 2001, non essendo ancora pubblicati i dati ISTAT del

14° censimento generale della popolazione, si è proceduto secondo il metodo illustrato in tabella 11 (foglio UL). E’ interessante verificare le

relazioni tra gli studenti frequentanti 1991 (celle 34-40B) ed i residenti 1991 (celle 34-40E) e la situazione 2001 (celle 34-40C e 34-40F). In tale

caso, la componente residente 2001 si è attenuata rispetto alla 1991, mentre la componente frequentanti 2001 si è ridotta fortemente rispetto alla

1991. Si può spiegare il fenomeno col calo demografico, ma altresì con un calo di frequentanti che ha colpito maggiormente gli studenti intraasse

(non solo dovuto alla demografia ma vieppiù alla costruzione di nuovi istituti scolastici extraasse).

Viene calcolata Abj parimenti ai lavoratori (celle 34-39H) ed il saldo extraasse 2001 Fj – Abj = Ex – Ux. I dati sono di facile lettura. Viene, inoltre,

calcolato il rapporto di variazione relativa tra gli studenti extraasse ed i frequentanti. Ovviamente, anche in questo caso, i segni indicano entrata

extraasse per saldi positivi, uscita extraasse per saldi negativi.

Grafico 8

Rappresenta l’andamento, nelle annualità dal 1991 al 2001, delle popolazioni con relativa interpolante di grado sei di descrizione del fenomeno e

bontà nell’adattamento del 99,61%.

Tabelle 16-17 CAUSALITA’ DI RANGER E FATTORI DI CONVERSIONE

Le tabelle 16 e 17 sono relative e propedeutiche alla formulazione delle nuove matrici O-D 2001 (che ISTAT pubblicherà solo a fine 2003) per gli

spostamenti per motivi di lavoro e di studio.

Le O-D 2001 vengono ricavate dalle O-D 1991 con dei fattori correttivi che chiameremo, fattore di accelerazione e fattore di conversione per motivi

di lavoro e di studio.

Abbiamo ricercato quali fattori s’influenzino maggiormente tra di loro ed influenzino la mobilità (dalla letteratura economica, econometrica e di

trasporti) e li abbiamo verificati metodologicamente. I fattori individuati sono:

a. Popolazioni attive – indice incrementale 2001, per quanto attinene alla numerosità della popolazione potenzialmente mobile - Pi

b. Reddito Interno Lordo RIL al costo dei fattori-REDDITO PRO CAPITE - in lire correnti * 1.000 su addetto all’anno per Venezia e Rovigo,

nelle annualità dal 1991 al 2001, come suo indice incrementale 2001 - Ri


Pag

ina4

6

c. PIL Veneto a prezzi di mercato per abitante - in lire correnti * 1.000 su abitante all’anno per Veneto, nelle annualità dal 1991 al 2001 e suo

indice incrementale 200130

- Ci

d. Tasso di motorizzazione – indice incrementale 2001 - Mi

e. Lavoro/addetti U.L. – indice incrementale 2001 - Lj

f. Istruzione/studenti frequentanti – indice incrementale 2001 – Sj.

Abbiamo verificato con indagine statistica, anche ai fini dell’attribuzione del denominatore (al valore indipendente), il rapporto di composizione tra

RIL-Reddito (b) e PIL-Ricchezza (c) che determina il benessere reale per abitante. Abbiamo verificato quale dei due fattori di ricchezza tenda ad

influenzare l’altro, attraverso l’applicazione di regressioni nella serie storica dal 1991 al 2001. Abbiamo, inoltre, verificato che complessivamente

PIL spiega RIL con r2 ≈ 0,99 per Venezia, mentre complessivamente PIL spiega RIL con r

2 ≈ 0,98 per Rovigo, per T0 ritardi. Inoltre, si è proceduto

alla verifica della causalità bi-direzionale nel senso di Granger (tabelle 18, 19, 20, 21-foglio Granger), per capire se PIL determina temporalmente

RIL-Reddito o viceversa, producendo 3 regressioni dinamiche ADL con Y=P e X=Q arrestate a T–3 ritardi (lag) distribuiti. La causalità bi-

direzionale nel senso di Granger per T-3 lag è ricercata, fermo restando t-ratio, con almeno un valore P-value dei coefficienti mrit [Xrit] della

regressione inferiore al 5%, cioè allo 0,05. Ciò non avviene mai (celle 39CDEF, 61CDEF, 83CDEF, 105CDEF). Allora è sufficiente dire che PIL

non determina RIL (e viceversa) nel senso della causalità di Granger, per valori di PIL e RIL a 3 lag e per 7 osservazioni. Nulla, quindi, si può dire

qui, per P e Q a lag maggiori di 3 (Excel 2000 non elabora in matrice ritardi maggiori a 3 lag per 7 osservazioni ed SPSS 10.1.3 non viene

interpellato in tale senso). Tutto ciò ci consente di proporre, ceteris paribus, un fattore di accelerazione incrementale per la mobilità 2001,

determinato dagli indici incrementali succitati:

per lavoro: FALj = (Rj/Cj)*Mj*Lj ove FALj è il fattore di accelerazione per lavoro da ricercare

per studio: FASj = (Rj/Cj)*Mj*Sj ove FASj è il fattore di accelerazione per studio da ricercare.

Il fattore si spiega nel seguente modo (metodo di Russell L. Ackoff, 1981):

FALi, FASi in variazioni relative, sono proporzionali, al rapporto di composizione tra le variazioni relative del reddito pro capite e della

ricchezza, cioè del tasso di benessere reale pro capite moltiplicato l’indice incrementale della motorizzazione 2001, moltiplicato l’indice

incrementale 2001 del lavoro. L’utilizzo del segno moltiplicativo rende appropriato l’utilizzo dei singoli fattori che, vedremo, s’influenzano

l’un l’altro fortemente: es. con la motorizzazione in peso assoluto pari a zero non vi sarebbe mobilità per lavoro (e nelle annualità 1991-2001

variazioni relative di zero -1991 e 2001-uguali a zero); se non vi fosse lavoro non vi sarebbe ricchezza prodotta da lavoro, né benessere reale

(variazione relativa nelle annualità pari a zero); se non vi fosse ricchezza locale prodotta da lavoro (variazioni relative uguali a zero e

30

PIL a prezzi di mercato è il risultato finale dell’attività di produzione delle unità produttrici residenti. Corrisponde alla produzione totale di beni e servizi dell’economia,

diminuita dei consumi intermedi ed aumentata dell’IVA gravante e delle imposte indirette sulle importazioni. E’ altresì, pari alla somma dei valori aggiunti ai prezzi di mercato

delle varie branche di attività economica, aumentata dell’IVA e delle imposte indirette sulle importazioni, al netto dei servizi di intermediazione finanziaria indirettamente

misurati (SIFIM).


Pag

ina4

7

rapporto di composizione uguale a zero a PIL= costante), non vi sarebbe lavoro e non vi sarebbe motorizzazione (o meglio motorizzazione

nulla per inutilizzazione). Inoltre, vengono applicate le proprietà matematiche della moltiplicazione (il prodotto dei fattori per un fattore

nullo è nullo). Altre composizioni non risultano logicamente appropriate. Infine, si fa riferimento al modello di Barbieri-Causi del CNR per

la composizione della mobilità italiana che utilizza fattori moltiplicativi per indicatori espressi in pesi percentuali.

Proponiamo, ora, ceteris paribus, un fattore di conversione incrementale 2001 per le matrici O-D così composto:

per lavoro: FLj = Pj+(Rj/Cj)*Mj*Lj ove FLj è il fattore di conversione per lavoro da ricercare

per studio: FSj = Pj+(Rj/Cj)*Mj*Sj ove FSj è il fattore di conversione per studio da ricercare.

Il fattore di accelerazione FALi, FASi espresso per pesi percentuali (e con il suo segno) viene sommato alla variazione relativa

incremento/decremento 2001 della popolazione Pi, al fine di correggere il calo o la crescita della popolazione attiva/”non attiva”

(occupati/studenti31

) come generatrice di mobilità.

I risultati per località vengono moltiplicati per i singoli pesi Ej (attrazione) e Uj (generazione) espressi per località delle matrici O-D.

Tabelle 18, 19, 20, 21

Già spiegate sopra. Sono la rappresentazione della causalità nel senso di Granger (test) per RIL/Reddito pro capite e PIL.

Grafico 9 FATTORI DI SVILUPPO DELLA MOBILITA’ 2001 – FLUSSI TERRITORIALI

E’ relativo ai fattori di sviluppo della mobilità. E’ la rappresentazione in scostamenti percentuali, dell’andamento dei tassi (di variazione relativi)

delle popolazioni attive 2001 per località, dei tassi di motorizzazione, degli indici del lavoro e degli indici di studio. La lettura è immediata. Come si

vede, gli andamenti degli scostamenti non sono correlabili. Il che mette in mostra le differenti attitudini delle varie località.

Tabella 22 MATRICI ORIGINE-DESTINAZIONE

E’ la tabella relativa alle matrici di Origine e Destinazione O-D 1991 per motivi di lavoro. In dati vengono letti in peso assoluto in verticale per

quanto riguarda l’attrazione del traffico ed in orizzontale per quanto inerisce la generazione.

Tabella 23 E’ la tabella relativa alle matrici di Origine e Destinazione O-D 2001, con le correzioni apportate dal fattore di conversione per la

mobilità, per motivi di lavoro. In dati vengono letti in peso assoluto in verticale per quanto riguarda l’attrazione del traffico ed in orizzontale per

quanto inerisce la generazione

31

Gli studenti, contrariamente ad ISTAT (trattati come popolazione non attiva) , vengono qui calcolati con le variazioni relative tipiche della popolazione attiva. Diversamente,

avremmo delle variazioni relative fortemente compromesse dal determinante peso assoluto e percentuale delle casalinghe (popolazione non attiva).


Pag

ina4

8

Tabella 24

E’ la tabella relativa alle matrici di Origine e Destinazione O-D 1991 per motivi di studio. In dati vengono letti in peso assoluto in verticale per


Tabella 25

E’ la tabella relativa alle matrici di Origine e Destinazione O-D 2001, con le correzioni apportate dal fattore di conversione per la mobilità, per

motivi di studio. In dati vengono letti in peso assoluto in verticale per quanto riguarda l’attrazione del traffico ed in orizzontale per quanto inerisce

la generazione

Tabella 26

E’ la tabella relativa alle matrici di Origine e Destinazione O-D 2001 per motivi di lavoro, generazione del traffico. In dati vengono letti, in peso

relativo percentuale per località, in orizzontale.

Tabella 27

E’ la tabella relativa alle matrici di Origine e Destinazione O-D 2001 per motivi di lavoro, attrazione del traffico. In dati vengono letti, in peso

relativo percentuale per località, in verticale.

Tabella 28

E’ la tabella relativa alle matrici di Origine e Destinazione O-D 2001 per motivi di studio, generazione del traffico. In dati vengono letti, in peso

relativo percentuale per località, in orizzontale.

Tabella 29

E’ la tabella relativa alle matrici di Origine e Destinazione O-D 2001 per motivi di studio, attrazione del traffico. In dati vengono letti, in peso

relativo percentuale per località, in verticale.

Tabella 30 MODELLO DI ATZ

Questa tabella rappresenta l’applicazione del modello di ATZ per pendolari per motivi di lavoro nel complesso facendo riferimento a Chioggia

come centroide principale. L’Indice di Interrelazione Pendolare risulta essere dello 4,16% (cella 12J). I dati sono caricati dalle matrici O-D e dal

foglio UL.


Pag

ina4

9

Tabella 31

Questa tabella rappresenta l’applicazione del modello di ATZ per pendolari per motivi di studio nel complesso facendo riferimento a Chioggia come

centroide principale. L’Indice di Interrelazione Pendolare risulta essere del 9,43% (cella 24J). I dati sono caricati dalle matrici O-D e dal foglio US.

Tabella 32

Questa tabella rappresenta l’applicazione del modello di ATZ per pendolari per motivi di lavoro nel complesso facendo riferimento a Rosolina come

centroide principale. L’Indice di Interrelazione Pendolare risulta essere dello 27,66% (cella 36J). I dati sono caricati dalle matrici O-D e dal foglio

UL.

Tabella 33 (foglio ATZ2001)

Questa tabella rappresenta l’applicazione del modello di ATZ per pendolari per motivi di studio nel complesso facendo riferimento a Rosolina come



Questa tabella rappresenta l’applicazione del modello di ATZ per pendolari per motivi di lavoro nel complesso facendo riferimento a Loreo come


UL.


Questa tabella rappresenta l’applicazione del modello di ATZ per pendolari per motivi di studio nel complesso facendo riferimento a Loreo come



Questa tabella rappresenta l’applicazione del modello di ATZ per pendolari per motivi di lavoro nel complesso facendo riferimento ad Adria come


UL.


Questa tabella rappresenta l’applicazione del modello di ATZ per pendolari per motivi di studio nel complesso facendo riferimento ad Adria come



Pag

ina5

0


Questa tabella rappresenta l’applicazione del modello di ATZ per pendolari per motivi di lavoro nel complesso facendo riferimento a Ceregnano

come centroide principale. L’Indice di Interrelazione Pendolare risulta essere dello 60,94% (cella 108J). I dati sono caricati dalle matrici O-D e dal

foglio UL.


Questa tabella rappresenta l’applicazione del modello di ATZ per pendolari per motivi di studio nel complesso facendo riferimento a Ceregnano

come centroide principale. L’Indice di Interrelazione Pendolare risulta essere del 153,42% (cella 120J). I dati sono caricati dalle matrici O-D e dal

foglio US.


Rappresenta la popolazione 2001 che si sposta quotidianamente in entrata ed in uscita dal Comune di Rovigo. I dati sono caricati dalle matrici O-D.


Questa tabella rappresenta l’applicazione del modello di ATZ per pendolari per motivi di lavoro nel complesso facendo riferimento a Rovigo come


UL.


Questa tabella rappresenta l’applicazione del modello di ATZ per pendolari per motivi di studio nel complesso facendo riferimento a Rovigo come

centroide principale. L’Indice di Interrelazione Pendolare risulta essere del 22,72% (cella 152J). I dati sono caricati dalle matrici O-D e dal foglio

US.

Tabella 43 (foglio FLUS) VALORI DI FLUSSO 2001

E’ una tabella riassuntiva dei valori di flusso secondo ATZ per località, per lavoro e studio. Inoltre, vengono rilevati i valori dei saldi assoluti ∆ (Ej –

Uj) per motivi di lavoro e studio relativi agli spostamenti intraasse di entrata e uscita. Il segno rivela per il saldo positivo l’entrata prevalente, per il

saldo negativo l’uscita prevalente. In aggiunta, questi valori vengono pesati per proporzionalità δ (Ej/Uj): valori superiori ad 1 rivelano entrata,

inferiori ad 1 uscita, in proporzione.


Pag

ina5

1

Tabella 44 (foglio BENCH) – ANALISI DI BENCHMARKING

Vengono riportati, per un confronto, gli IIP relativi alle Piccole Aree Funzionalmente collegate nella provincia di Bolzano, che per prima in Italia,

nel 1996, ha calcolato i flussi secondo ATZ ed ha realizzato l’integrazione modale e tariffaria.

Tabelle 45 (foglio BENCH)

Sono stati ricavati, per il successivo confronto alla tabella 46, l’Indice di Dotazione di Infrastrutture Ferroviarie DIF e l’Indice di Intensità del

Traffico Giornaliero ITG relativamente alle tratta ferroviaria Rovigo-Chioggia. Il DIF e l’ITG sono due indici che rivelano le potenzialità, allo stato

attuale, dell’infrastruttura e dell’offerta ferroviaria. In particolare segnaliamo che al denominatore dei coefficienti DIF e dell’ITG troviamo

l’espressione S*P che corrisponde al prodotto dell’estensione territoriale e della popolazione residente. Il tutto per quantificare il cosiddetto livello

di servizio al territorio. Ricordiamo che:

DIF = lunghezza della linea/tratta ferroviaria/(Superficie*Popolazione)

ITG = numero treni-giorno/(Superficie*Popolazione).

Tabella 46 (foglio BENCH)

Con la tabella 46 ritroviamo, ordinata per pesi IIP, la tabella 44. Abbiamo sviluppato per le Piccole Aree della Provincia Autonoma di Bolzano (così

come classificate da ASTAT) i relativi valori di lunghezza delle tratte ferroviarie e del treni/giorno che le percorrevano nel 1996 (celle 25-39EF).

Abbiamo evidenziato i relativi S*P (celle 25-39I) e riportato, per il confronto, i coefficienti DIF e ITG della Piccola Area della tratta ferroviaria

Rovigo-Chioggia.

Per la lettura in benchmarking è sufficiente prendere in considerazione ciascun IIP delle località della tratta Rovigo-Chioggia (per motivi di lavoro),

inserirlo tra due valori, uno immediatamente inferiore ed uno immediatamente superiore di IIP Bolzano e ricorrere alla colonna finale (celle 25-

39M) per individuare il numero di treni/giorno necessari per poter emulare il livello di servizio al territorio della provincia di Bolzano. I treni-giorno

in benchmarking vengono calcolati con criterio di proporzionalità diretta rispetto ai valori treni-giorno/territorio di Bolzano.

Tabella 47 (foglio BENCH) ASPETTATIVE SULLA MOBILITA’ GIORNALIERA FERROVIARIA

Viene riportata la tabella relativa alle aspettative sull’andamento della mobilità bilaterale giornaliera media nei periodi di punta (novembre) e di

morbida (luglio) sulla linea ferroviaria Rovigo-Chioggia per le annualità 1999, 2000, 2001 e, con calcolo tramite funzione di tendenza, dell’anno

2002 (con periodo 4), 2003 (con periodo 5), 2004 (con periodo 6), 2005 (con periodo 7) e 2006 (con periodo 8). Da evidenziare i cali di traffico

tendenziale nell’invernale e la crescita nell’estivo e la lentissima crescita complessiva.

Tabella 48 (foglio MOT) MOTORIZZAZIONE


Pag

ina5

2

Rappresenta i veicoli per il trasporto delle persone, suddivisi per categoria, circolanti nelle provincie di Rovigo e Venezia ripartiti per annualità e

per comune, in valore assoluto e percentuale incrementale 2001 (fonte: Regione del Veneto – Unità di Progetto Statistica, Venezia).

Tabelle 49 (foglio MOT)

La tabella 49 presenta la Funzione di Assegnazione – modello prezzo-tempo: scelta modale secondo Abraham C. e Blanchet J.D. (1973). La

valutazione, per singole relazioni di viaggio (tutte), viene fatta door-to-door con tempi di percorrenza rettificati, per quanto riguarda il trasporto

ferroviario, di + 7 minuti primi corrispondenti a 700 metri di percorrenza a piedi nei primi e ultimi tratti alla velocità media di 6 km/h. Le distanze

ferroviarie sono quelle ufficiali commerciali. Le distanze stradali sono tratte da mappe Yahoo (tramite GIS) e Michelin (tramite TeteAtlas). I tempi

di percorrenza con trasporto a motore pubblico/privato sono determinati in situazione tipica per fascia oraria 700

-900

a velocità di codice stradale. Il

costo percepito dal cliente ferroviario è quello del biglietto (o abbonamento) cioè la tariffa pagata. Poiché l’analisi sarebbe ulteriormente articolata,

assumento anche l’onere di valutare gli abbonamenti, si prenderà a riferimento per l’analisi comparativa solamente il prezzo del biglietto di 2 classe

adulto di corsa semplice a tariffa 39/21/1 Veneto, vigente ad ottobre 2001. Il costo percepito del trasporto privato a motore viene determinato dal

solo prezzo della benzina vigente ad ottobre 2001, pari ad EUR 1,06/lit con consumo medio di 10 km/lit. Il costo percepito del trasporto pubblico a

motore viene determinato dal prezzo del biglietto per relazione (tariffe APTV su Venezia e SITA su Rovigo).

Viene calcolato, secondo Abraham e Blanchet, il cosiddetto valeur del basculement, valore di bilanciamento.

Il valore di bilanciamento, che considera il tempo monetizzato viene dato dalla formula (ferroviario vs. gommato privato):

Vb=[ass]((Pa-Pf)/(Tf-Ta)) ove Pa è il costo percepito del gommato privato (benzina)

Pf è la tariffa ferroviaria praticata

Tf è il tempo ferroviario rettificato impiegato door-to-door

Ta è il tempo impiegato dal gommato privato

I risultati sono riportati nella colonna L (celle 16-30L)

Lo stesso viene calcolato per il gommato pubblico (celle 16-30M), con tempi e tariffe tratte da orari ufficiali delle aziende concessionarie di

trasporto APTV (da Venezia a Badia Polesine) e SITA (da Rovigo a Badia Polesine). I valori N.D. indicano la mancanza di servizi di linea.

Viene calcolata, inoltre, la funzione di ripartizione modale temporale (che determina l’omonima curva supposta log-normale proporzionale a quella

del ritorno) secondo E. Quinet32

data dalla formula:

Fhb=Tf /( Tf +Ta) ove Fhb è la funzione da ricercare con 0<Fhb<1

Ta è il tempo di percorrenza con trasporto gommato privato/pubblico in minuti primi (celle 16-30G)

Tf è il tempo di percorrenza con trasporto ferroviario rettificato in minuti primi (celle 16-30E).

Per es. Fhb→0 prevale il treno; Fhb→1 prevale il gommato privato/pubblico. 32

N.d.a.: professeur à l’Ecole Nationale des Ponts et Chaussèes, Paris


Pag

ina5

3

Vengono, inoltre, calcolati, il costo generalizzato del trasporto a motore privato e quello ferroviario, il costo totale esterno del trasporto a motore

privato e quello ferroviario, secondo i dati riferiti dallo studio condotto per Ferrovie dello Stato s.p.a. dall’associazione Amici della Terra (vd. sito

www.fs-on-line.it). Viene ricavato, con gli stessi criteri suesposti, il valore di bilanciamento generale traguardato all’ora (celle 16-30R).

Questi valori di bilanciamento andranno confrontati con la tabella 50 successivamente illustrata.

Grafico 10 (foglio MOT) ASSEGNAZIONE MODALE E BENCHMARKING PER SEGMENTO TARGET

Viene rappresentato, per barre orizzontali, l’andamento dei costi percepiti per relazioni singole (relazioni dirette). Nei due colori giallo ed azzurro si

possono distinguere rispettivamente: il valore di bilanciamento percepito orario treno vs. gommato privato ed il valore di bilanciamento generale

orario treno vs. gommato pubblico. Sono state tracciate tre quote verticali colorate rappresentanti rispettivamente il valore minimo retributivo netto

orario (rosso), il valore medio ponderato retributivo orario (blu), il valore massimo retributivo netto orario (rosso) delle categorie lavorative

presentate in tabella 50. Ciò permette una lettura più immediata del grafico. Allorchè il valore di bilanciamento percepito espresso per relazioni di

viaggio ricade al di sotto delle linee di soglia retributiva risulta maggiormente conveniente la modalità stradale, al di sopra, quella ferroviaria.

Tabella 50 (foglio MOT) RETRIBUZIONI

Vengono riportati gli indicatori di alcune retribuzioni orarie di lavoratori italiani espresse per settore e categoria – dati Italia 2001, al fine di

applicare i valori di bilanciamento, con lo scopo di individuare l’attrattività dei segmenti target e l’abilità a competere dei vettori (per le variabili

prezzo-tempo). Osservando i valori di bilanciamento-soglia suesposti, al di sotto dei quali risulta conveniente prendere il trasporto ferroviario, al di

sopra dei quali il gommato privato (ovvero quello pubblico), si considerino le varie retribuzioni categoriali e si faccia un confronto con i valori di

bilanciamento. Appare chiaro che, a chi possiede una retribuzione oraria al di sotto di quella del valore di bilanciamento converrà servirsi del

trasporto ferroviario, a chi possiede una retribuzione oraria al di sopra, il trasporto gommato privato ovvero pubblico, per le relazioni illustrate.

Tabella 51 (foglio PREV) TABELLE DI PREVISIONE

Questa tabella riproduce per i dati 1991-2001 le tabelle già rappresentate. Inoltre, avanza previsioni dal 2001 al 2006 per ciascuno dei fattori di

mobilità in precedenza denunciati. Per le previsioni a venire a partire dalle annualità 1991-1996-2001 si sono utilizzate delle funzioni “tendenza”

elevate a potenze 16/5 per il 2002, 17/5 per il 2003, 18/5 per il 2004, 19/5 per il 2005 e 20/5 per il 2006. Ciò per validare il 1991 a potenza 1, il 1996

a potenza 2, il 2001 a potenza 3, tutti con ragione 5. Per le previsioni a venire a partire dalle annualità 1991-2001 (ragione 10) si sono utilizzate

potenze 2,1 per il 2002, 2,2 per il 2003, 2,3 per il 2004, 2,4 per il 2005, 2,5 per il 2006 (2011 corrisponderebbe a potenza 3).

I fattori di accelerazione e di sviluppo ed i fattori di conversione per la mobilità in previsione vengono supposti (nel breve periodo 2001-2006)

costanti. Sicchè i valori di previsione di tali fattori, necessari per la costruzione delle matrici O-D di spostamento in previsione sono fatti derivare


Pag

ina5

4

dalle funzioni di tendenza espresse nella tabella 50 moltiplicando ciascuna annualità per i fattori suddetti, secondo quanto già descritto a pagina 50

della presente relazione.

I valori relativi al RIL ed al PIL nelle annualità 1991-2006 sono calcolati, a partire dai valori 2002, con funzioni di tendenza con potenza di 12, 13,

14, 15, 16.

Tabella 52 (foglio O-D PREV) MATRICI O-D DI PREVISIONE

E’ la tabella relativa alle matrici di Origine e Destinazione O-D 1991 per motivi di lavoro. In dati vengono letti in peso assoluto in verticale per


Tabella 53 (foglio O-D PREV)


motivi di lavoro. In dati vengono letti in peso assoluto in verticale per quanto riguarda l’attrazione del traffico ed in orizzontale per quanto inerisce

la generazione




la generazione




la generazione




la generazione



Pag

ina5

5



la generazione




la generazione


E’ la tabella relativa alle matrici di Origine e Destinazione O-D 1991 per motivi di studio. In dati vengono letti in peso assoluto in verticale per





la generazione




la generazione




la generazione



Pag

ina5

6



la generazione




la generazione




la generazione

Tabelle 66-67-68-69-70-71-72 (foglio FLUS PREV) FLUSSI DI PREVISIONE

Sono le tabelle riassuntive dei valori di flusso di previsione per località, per motivi di lavoro e di studio nelle annualità 1991, 2001, 2002, 2003,

2004, 2005, 2006. Vengono rilevati i valori modulo dei termini di flusso assoluti Σ=(Ej + Uj) per motivi di lavoro e studio relativi agli spostamenti

intraasse di entrata e uscita; dei valori direzione relativi ai saldi assoluti ∆ (Ej – Uj) per motivi di lavoro e studio relativi agli spostamenti intraasse di

entrata e uscita. In questo caso il segno rivela per il saldo positivo l’entrata prevalente, per il saldo negativo l’uscita prevalente. In aggiunta, questi

valori vengono pesati per proporzionalità δ (Ej/Uj): valori superiori ad 1 rivelano entrata, inferiori ad 1 uscita, in proporzione.

13. Statistiche di asseveramento del modello ed individuazione delle equazioni di previsione (approccio best-subsets e statistica di Mallows)

Foglio BESTWS

Vengono presentate le statistiche aggiuntive per l’asseveramento dei modelli di previsione già illustrati attraverso l’approccio Best-Subsets e la

statistica di Mallows.

Con l’approccio Best-Subsets possiamo valutare tutti i modelli di regressione dato un insieme di variabili esplicative o i sottoinsiemi migliori dei

modelli con dato numero di variabili indipendenti.

I modelli di regressione che si possono ottenere per un dato insieme di variabili esplicative possono essere valutati e quindi confrontati facendo

ricorso a criteri diversi.


Pag

ina5

7

Il primo criterio utilizzabile è quello dell’r2 corretto, con cui l’indice di determinazione viene corretto tenendo conto del numero di variabili

esplicative inserite nel modello e dell’ampiezza del campione. Risulta utile ricorrere a tale misura dal momento che intendiamo porre a confronto

modelli aventi un diverso numero di variabili esplicative.

Un secondo criterio spesso utilizzato per confrontare diversi modelli di regressione si basa sulla statistica di Mallows, della anche Cp, che misura la

differenza tra il modello di regressione stimato ed il modello vero.

La statistica di Mallows è definita come segue:

12

1

12

2

pn

R

TnRCp

T

p

ove:

p = numero di variabili esplicative inserite nel modello di regressione

T = numero totale di parametri (inclusa l’intercetta) da stimare nel modello di regressione completo

R2

p = coefficiente di regressione multipla per un modello di regressione contenente p variabili esplicative

R2

T = coefficiente di regressione multipla per il modello di regressione completo.

Se un modello di regressione con p variabili esplicative differisce dal modello vero solo per gli errori casuali, il valore medio della statistica Cp è

(p+1), cioè il numero dei parametri.

Detto tutto ciò, affermiamo che per quanto riguarda la variabile spiegata addetti alle Unità Locali 2001 = Y (celle 2-7B) e le variabili esplicative

X1 = Unità Locali, X2 = RIL 2001, X3 = popolazione 2001 i modelli che hanno superato i test sono [X1,X2,X3] (cella 20A e cella 20G) e [X2,X3]

(cella 23A e cella 23G), corrispondenti alla regressione sviluppata nel quadro 12 del foglio MOB, che in tale caso viene asseverata e ritenuta valida

senza più riserve.

Inoltre, affermiamo che per quanto riguarda la variabile spiegata alunni frequentanti 2001 = Y (celle 184-189B) e le variabili esplicative X1 = Unità

Locali, X2 = RIL 2001, X3 = popolazione 2001 il modello che ha superato i test è [X1,X2,X3] (cella 202A e cella 202G), corrispondente alla

regressione sviluppata nel quadro 11 del foglio MOB, che in tale caso viene asseverata e ritenuta valida senza più riserve.

Conclusioni finali

Lo studio ha mostrato la vitalità del territorio, la sua variabilità, i suoi rapporti di composizione, le variazioni relative delle variabili intervenienti

sulla mobilità. Il modello di ATZ applicato ha illustrato l’importanza del movimento pendolare sulle località centroidi o distretti di attrazione e

generazione. Le variabili di flusso hanno quantificato (assieme alle matrici O-D) i movimenti pendolari per lavoro e studio nell’asse Rovigo-

Chioggia ed extraasse. I fattori di conversione della mobilità hanno verificato quanta parte della ricchezza del territorio della Piccola Area

Funzionale, quanta motorizzazione, quanto lavoro procurino mobilità interna ed esterna. Le funzioni di ripartizione modale e temporale hanno


Pag

ina5

8

trasmesso le opportunità, per i segmenti target che potenzialmente potrebbero essere interessati alle varie modalità di trasporto pendolare, di

utilizzare modalità di trasporto tra loro (per ora) alternative. L’analisi di benchmarking ha illustrato i livelli di servizio al territorio studiato e le

necessità di prodotti di trasporto per assicurare degli standard compatibili. I valori di previsione, inoltre, si sono spinti a valutare scenari futuri a

breve termine (entro i cinque anni dal 2001).

Una considerazione finale per lo studio presentato potrebbe essere così riassunta:

si registrano cali generalizzati di popolazione, cali di studenti frequentanti nell’area, leggero calo degli studenti residenti, ma crescita

generalizzata di lavoratori addetti alle Unità Locali intraarea (meno che a Ceregnano) e crescita delle Unità Locali (ovunque)

vi è una discreta mobilità intraarea per motivi di lavoro. Vi è una discreta mobilità intraarea per motivi di studio

vi è una buona mobilità interarea per motivi di lavoro e di studio, cioè c’è una buona dispersione della domanda extraarea (extraasse)

la mobilità intraarea non si concentra in assoluto per tratte di estremità, ma piuttosto per relazioni interne all’asse e per piccoli tratti

l’incremento/decremento della ricchezza prodotta, della motorizzazione e dei motivatori di mobilità hanno mitigato gli effetti dovuti al calo

di popolazione attiva al fine della mobilità

Le funzioni di distribuzione e assegnazione hanno dimostrato che ad oggi 2001, che, abbiamo spiegato in precedenza, viene ad essere

considerato l’anno di riferimento per la proiezione futura, la domanda non ha convenienza ad utilizzare soprattutto e solamente il mezzo di

trasporto ferroviario lungo l’asse e su diverse relazioni interne.

I termini di previsione futura (parametri, matrici O-D e flussi) assegnano alla piccola area funzionalmente collegata alla linea ferroviaria

Rovigo-Chioggia un generale calo dei fattori di mobilità intraarea, tranne che la motorizzazione (privata).

Inoltre, poco si può dire sulla quantità e nulla sulla qualità del servizio offerto, cioè la definizione del livello di soddisfazione del cliente pendolare:

nel primo caso l’analisi di benchmarking ha dimostrato che il livello di servizio “c’è”. Nel secondo si dovrebbe accendere un altro filone d’analisi di

tipo qualitativo (focus group) oppure quantitativo Survey.

Infine, se dovesse essere riassunta una valutazione generale di una strategia di pianificazione in una parola, questa non potrebbe che essere:

abbandonare.

Grazie per avere concesso benevolenza a questo lavoro.


Pag

ina5

9

Appendice statistica 1

Tabella 1

LOCALITA' DI ATTRAZIONE E

GENERAZIONE DELLA

PICCOLA AREA

U.L. 1991

ADDETTI

U. L. 2001 ADDETTI SCUOLE MEDIE

INF. E

SUP.ALUNNI

FREQUENTANTI

(1991)

SCUOLE MEDIE

INF. E SUP.

ALUNNI

FREQUENTANTI

(2001)

POPOLAZIONE

RESIDENTE (1991)

POPOLAZIONE RESIDENTE

2001)

SUPERFICIE

TERRITORIALE 1991

(Km 2̂)

SUPERFICIE

TERRITORIALE

2001 (Km 2̂)

DENSITA'

Abit/Km 2̂ (1991)

DENSITA' Abit/Km 2̂

(2001)

CHIOGGIA 9.470 11.287 4.222 2.771 53.179 51.755 185,19 185,17 287 279

ROSOLINA 1.884 2.563 209 149 5.675 6.003 73,01 73,06 78 82

LOREO 883 938 136 92 3.785 3.714 39,60 39,60 96 94

ADRIA 4.506 7.725 4.625 4.189 21.225 20.637 113,52 113,52 187 182

CEREGNANO 1.454 2.139 133 60 4.085 3.942 29,99 29,99 136 131

ROVIGO 14.842 20.600 7.904 6.173 52.472 48.179 108,53 108,53 483 444

TOTALI 33.039 45.252 17.229 13.434 140.421 134.230 549,84 549,87 255 244


MONOVARIATE

U.L. 1991

ADDETTI

U. L. 2001 ADDETTI SCUOLE MEDIE

INF. E

SUP.ALUNNI

FREQUENTANTI

(1991)

SCUOLE MEDIE

INF. E SUP.

ALUNNI

FREQUENTANTI

(2001)

POPOLAZIONE

RESIDENTE (1991)

POPOLAZIONE RESIDENTE

2001)

SUPERFICIE

TERRITORIALE 1991

(Km 2̂)

SUPERFICIE

TERRITORIALE

2001 (Km 2̂)

DENSITA'

Abit/Km 2̂ (1991)

DENSITA' Abit/Km 2̂

(2001)

KURTOSIS 0,14 0,92 - 1,02 - 1,24 - 2,07 - 2,02 0,20 0,20 1,46 1,02

SKEWNESS 0,84 0,88 0,49 0,50 0,50 0,50 0,53 0,53 0,99 0,93

MEDIANA 3.195 5.144 2.216 1.460 13.450 13.320 91 91 162 157

VALORE MEDIO m 5.507 7.542 2.872 2.239 23.404 22.372 92 92 211 202

DEV. MEDIA SEMPLICE S 4.433 5.662 2.712 2.139 19.615 18.397 44 44 116 106

DEVIAZIONE STANDARD 5.079 6.858 2.952 2.355 21.636 20.364 52 52 140 126

VARIANZA 3,E+07 5,E+07 9,E+06 6,E+06 5,E+08 4,E+08 3,E+03 3,E+03 2,E+04 2,E+04

SCOSTAMENTO SEMPL. MEDIO 0,81 0,75 0,94 0,96 0,84 0,82 0,48 0,48 0,55 0,53

C.V. 0,92 0,91 1,03 1,05 0,92 0,91 0,57 0,57 0,66 0,63

C.V.2 0,85 0,83 1,06 1,11 0,85 0,83 0,32 0,32 0,44 0,39

S/maxS 0,48 0,45 0,57 0,57 0,50 0,49 0,29 0,29 0,33 0,32

SIGMA/maxSIGMA 0,41 0,41 0,46 0,47 0,41 0,41 0,25 0,25 0,30 0,28

SIGMA2/maxSIGMA2 0,17 0,17 0,21 0,22 0,17 0,17 0,06 0,06 0,09 0,08


r F di Fisher

0,929419 1,65411 0,896308 1,45312 2,7060 1.483,1373 0,3018 789,3645 0,0917 187,3411

0,792894 1,07918 0,5372 1.745,8171 0,0747 2.258,7483 0,0352 1.066,0918

0,973919 2,16328 0,86382 3.099,4123 0,80337 3.724,3443 0,62868 1.757,8288

0,968753 2,07162 25,3728 4 16,3425 4 6,7724 4

0,876946 1,36239 243.740.117,2 38.425.427 226.682.580,7 55.482.963 20.926.441,6 12.359.848

0,625473 0,73395

Correlazione tra POPOLAZIONE e SUPERFICIE 0,870900 1,33679

Correlazione tra scuole ALUNNI e SUPERFICIE 0,601197 0,69502

4,3427 151,3757 12,8273 541,6716 2,5491- 3,4753 1.868,4257

0,5059 1.160,3606 1,6421 3.766,5613 5,8147 1,9971 7.576,2988

0,94852 1.905,6842 0,93848 6.185,9015 0,81521 12.379,9203 #N/D

73,6966 4 61,0223 4 6,6171 3 #N/D

267.639.015,2 14.526.529 2.335.040.678 153.061.509 2.028.314.907 459.787.281 #N/D

0,1445 1,7152 468,0448 0,3821 - 0,0236 - 114,2616 2,4979 11,2551 - 90.791,6601

0,0831 0,7181 1.537,1178 0,1600 0,0539 733,6599 0,4140 0,5845 15.184,9680

0,93223 2.524,7549 #N/D 0,87202 1.191,6424 #N/D 0,99532 1.970,8864 #N/D

20,6328 3 #N/D 10,2204 3 #N/D 318,7691 3 #N/D

263.042.382,7 19.123.161 #N/D 29.026.254,8 4.260.035 #N/D 2.476.449.008 11.653.180 #N/D

0,1442 - 0,7634 27.744,654 0,5086 - 1,6632 - 4,1343 60.489,0347 0,2457 - 1,3627 2,0482 49.844,8555

0,0251 0,2352 8.508,0754 0,2249 0,5845 2,5415 21.258,8359 0,2185 0,5679 2,4693 20.654,2857

0,91773 955,4353 #N/D 0,96458 767,7458 #N/D #N/D 0,99606 745,9130 #N/D #N/D

16,7319 3 #N/D 18,1572 2 #N/D #N/D 168,3799 2 #N/D #N/D

30.547.720,2 2.738.570 #N/D 32.107.423 1.178.867 #N/D #N/D 281.052.772 1.112.772 #N/D #N/D

Correlazione tra scuole ALUNNI e U.L.

Correlazione tra U.L. ADDETTI e SUPERFICIE

Correlazione tra POPOLAZIONE e U.L.

Correlazione tra U.L. ADDETTI e scuole ALUNNI

Correlazione tra U.L. ADDETTI e POPOLAZIONE

Correlazione tra scuole ALUNNI e POPOLAZIONE

Correlazione tra U.L. ADDETTI e U.L.

Quadro 3


Quadro 6

Regressione multipla U.L. ADDETTI [X1] e scuole

ALUNNI FREQ. [X2] (ind.) e POPOLAZIONE (dip.)

Quadro 5

Regressione U.L. (ind.) e U.L.

ADDETTI (dip.)Regressione U.L. (ind.) e POPOLAZIONE (dip.)

Quadro 2

Quadro 8 Quadro 9

ANALISI REGRESSIVA SUI FATTORI DI MOBILITA' RELATIVI ALLA PICCOLA AREA FUNZIONALMENTE

COLLEGATA - DATI 2001

Regressione scuole ALUNNI FREQ.(ind.) e U.L.

ADDETTI (dip.)

Regressione POPOLAZIONE (ind.) e

U.L. ADDETTI (dip.)

Regressione POPOLAZIONE (ind.)

e scuole ALUNNI FREQ. (dip.)

Quadro 1

ANALISI CORRELATIVA SUI FATTORI DI MOBILITA' RELATIVI ALLA PICCOLA AREA

FUNZIONALMENTE COLLEGATA - DATI 2001

Quadro 4

Regressione multipla U.L. [X1] + RIL [X2] (ind.) e

POPOLAZIONE 2001 (dip.)

Regressione multipla scuole ALUNNI FREQ. [X1] e

POPOLAZIONE [X2] (ind.) e U.L. ADDETTI (dip.)

Quadro 7

Regressione multipla RIL [X1] + POPOLAZIONE [X2] (ind.) e scuole

ALUNNI FREQ. (dip.)

Regressione multipla U.L. [X1] + RIL [X2] + POPOLAZIONE [X3] (ind.) e scuole

ALUNNI FREQ. (dip.)

Regressione multipla U.L. [X1] + RIL [X2] + POPOLAZIONE [X3] (ind.) e U.L.

ADDETTI (dip.)

Quadro 12Quadro 10 Quadro 11

Regressione multipla POPOLAZIONE [X1] e U.L. ADDETTI [X2] (ind.) e

scuole ALUNNI FREQ. (dip.)


Pag

ina6

0


Pag

ina6

1


Pag

ina6

2

Tabella 10

LOCALITA' DI

ATTRAZIONE E

GENERAZIONE

UNITA' LOCALI

1991

UNITA' LOCALI

1996

UNITA' LOCALI

2001

INCREMENTO/D

ECREMENTO %

UNITA' LOCALI

2001

ADDETTI DI

U.L. 1991

ADDETTI DI

U.L. 1996

ADDETTI DI U.L.

2001 Aj

INCREMENTO/DECRE

MENTO % ADDETTI

2001

TASSO DI

OCCUPAZIONE

1991=ADDETTI U.L.

Aj /POPOLAZIONE

RESIDENTE

LEGALE

TASSO DI

OCCUPAZIONE

2001=ADDETTI U.L. Aj

/POPOLAZIONE

RESIDENTE LEGALE

CHIOGGIA 2.740 3.076 3.235 15,30% 9.470 9.583 11.287 16,10% 17,81% 21,81%

ROSOLINA 657 641 692 5,06% 1.884 2.014 2.563 26,49% 33,20% 42,70%

LOREO 215 229 240 10,42% 883 730 938 5,86% 23,33% 25,26%

ADRIA 1.105 1.311 1.578 29,97% 4.506 4.432 7.725 41,67% 21,23% 37,43%

CEREGNANO 250 204 220 -13,64% 1.454 1.609 2.139 32,02% 35,59% 54,26%

ROVIGO 3.535 4.037 4.246 16,75% 14.842 15.029 20.600 27,95% 28,29% 42,76%

TOTALI 8.502 9.498 10.211 16,74% 33.039 33.397 45.252 26,99% 23,53% 33,71%

LOCALITA' DI

ATTRAZIONE E

GENERAZIONE

TOTALE

RESIDENTE

1991 M/F

Wbj OCCUPATI

RESIDENTI

1991 M/F

POPOLAZIONE

NON ATTIVA

RESIDENTE

M/F

TOTALE

RESIDENTE 2001

M/F

Wbj OCCUPATI

RESIDENTI

2001 M/F

POPOLAZIONE

NON ATTIVA

RESIDENTE

M/F

ATTIVA

RESIDENTE

INCREMENTI/DECR

EMENTI % 2001

Abj = popolazione

lavorativa nell'asse RO-

Chioggia: WBj+(Ej-Uj)

D Aj-Abj = quota

lavoratori

ENTRANTI/USCENTI

extra asse RO-

Chioggia

D Aj-Abj)/Aj quota %

lavoratori

ENTRANTI/USCENTI

extra asse RO-

Chioggia

CHIOGGIA 16.036 13.684 37.143 15.965 13.674 35.790 -0,44% 13.684 2.397- -21,24%

ROSOLINA 2.704 2.392 2.971 2.743 2.401 3.260 1,43% 2.378 185 7,23%

LOREO 1.658 1.483 2.127 1.656 1.483 2.058 -0,11% 1.424 486- -51,81%

ADRIA 8.930 7.699 12.295 8.824 7.660 11.813 -1,20% 7.483 242 3,13%

CEREGNANO 1.771 1.577 2.314 1.750 1.571 2.192 -1,18% 1.439 700 32,74%

ROVIGO 23.289 20.622 29.183 22.709 20.475 25.470 -2,55% 20.856 256- -1,24%

TOTALI 54.388 47.457 86.033 53.648 47.264 80.582 -1,38%

Tabella 11

POPOLAZIONE ATTIVA M/F

RESIDENTE 1991 (dati 13°

generale ISTAT )

POPOLAZIONE ATTIVA M/F

RESIDENTE 2001 (valutata con

metodo sintetico-proporzionale

corretto)

FORZE LAVORO OCCUPATE NELLE LOCALITA' (dati 7°- 8° ISTAT industria e servizi)


Pag

ina6

3


Pag

ina6

4


Pag

ina6

5

LOCALITA' DI ATTRAZIONE

E GENERAZIONE

Tasso di variazione

delle POPOLAZIONI

ATTIVE 2001

(residenti - indice

incrementale su 1991)

Pi

RIL al costo dei

fattori-REDDITO

PRO CAPITE-

Venezia e Rovigo

2001 (indice

incrementale su

1991) Ri

PIL a prezzi di

Mercato per abitante-

Veneto 2001 (indice


Ci

Tasso di

Motorizzazione

2001 (indice

incrementale su

1991) Mi

Indice del Lavoro

2001 (addetti U.L. -

indice incrementale

su 1991) Li

Indice di Studio 2001

(studenti

frequentanti - indice


Si

Fattore di

accelerazione per

LAVORO 2001:

FALi = (Ri*/Ci)*Mi*Li

Fattore di

accelerazione per

STUDIO 2001:

FASi = (Ri*/Ci)*Mi*Si

Fattore di conversione

per LAVORO 2001:

FLi = Pi+(Ri*/Ci)*Mi*Li

Fattore di conversione

per STUDIO 2001:

FSi = Pi+(Ri*/Ci)*Mi*Si

CHIOGGIA -0,44% 41,58% 42,85% 13,82% 16,10% -52,38% 2,16% -7,02% 1,71% -7,47%

ROSOLINA 1,43% 30,63% 42,85% 22,53% 26,49% -39,88% 4,27% -6,42% 5,69% -5,00%

LOREO -0,11% 30,63% 42,85% 14,85% 5,86% -48,62% 0,62% -5,16% 0,51% -5,27%

ADRIA -1,20% 30,63% 42,85% 14,25% 41,67% -10,40% 4,24% -1,06% 3,04% -2,26% Note:

CEREGNANO -1,18% 30,63% 42,85% 10,44% 32,02% -120,24% 2,39% -8,97% 1,21% -10,15% (*) Calcolato sulla popolazione media ed al netto dei servizi bancari

ROVIGO -2,55% 30,63% 42,85% 9,07% 27,95% -28,04% 1,81% -1,82% -0,74% -4,37% (a) Dati calcolati con funzione statistica di tendenza ad n-periodiTabella 16

anno £.*1.000/addetto/anno anno £.*1.000/addetto/anno anno £.*1.000/abitante

1991 24.822L. 1991 25.433L. 1991 28.371L.

1992 26.426L. 1992 26.796L. 1992 30.271L.

1993 27.606L. 1993 28.228L. 1993 31.760L.

1994 29.921L. 1994 30.460L. 1994 33.702L.

1995 33.001L. 1995 33.206L. 1995 37.080L.

1996 35.094L. 1996 31.142L. 1996 39.341L.

1997 36.214L. 1997 32.519L. 1997 41.217L.

1998 36.642L. 1998 32.828L. 1998 42.808L.

1999 37.894L. 1999 33.978L. (a) 1999 45.314L.

(a) 2000 40.735L. (a) 2000 35.638L. (a) 2000 47.480L.

(a) 2001 42.490L. (a) 2001 36.664L. (a) 2001 49.645L.

Tabella 17

TABELLA DI CONVERSIONE PER LA MOBILITA'

PIL VENETO a prezzi di mercato

per abitante (in lire correnti x

1.000)

Reddito Interno Lordo al costo dei fattori -

REDDITO PRO CAPITE - Venezia * (£.

correntix1.000)

Reddito Interno Lordo al costo dei fattori

-REDDITO PRO CAPITE - Rovigo* (£.

correntix1.000)


Pag

ina6

6

Y = RIL VENEZIA X = PIL OUTPUT RIEPILOGO

anno £.*1.000/addetto/anno £.*1.000/abitante

1991 24.822L. 28.371L. Statistica della regressione

1992 26.426L. 30.271L. R multiplo 0,996126232

1993 27.606L. 31.760L. T-1 T-2 T-3 R al quadrato 0,99226747

1994 29.921L. 33.702L. 31.760L. 30.271L. 28.371L. R al quadrato corretto 0,976802409

1995 33.001L. 37.080L. 33.702L. 31.760L. 30.271L. Errore standard 497,1071966

1996 35.094L. 39.341L. 37.080L. 33.702L. 31.760L. Osservazioni 7

1997 36.214L. 41.217L. 39.341L. 37.080L. 33.702L.

1998 36.642L. 42.808L. 41.217L. 39.341L. 37.080L. ANALISI VARIANZA

1999 37.894L. 45.314L. 42.808L. 41.217L. 39.341L. gdl SQ MQ F Significatività F

(a) 2000 40.735L. 47.480L. 45.314L. 42.808L. 41.217L. Regressione 4 63421603,35 15855400,84 64,16188655 0,015405269

(a) 2001 42.490L. 49.645L. 47.480L. 45.314L. 42.808L. Residuo 2 494231,1298 247115,5649

Valore di significatività 0,152154018 0,603683766 0,497102682 0,399927246 Totale 6 63915834,48

Coefficienti Errore standard Stat t Valore di significatività Inferiore 95% Superiore 95% Inferiore 95,0% Superiore 95,0%

Intercetta 522,2086967 4024,016576 0,129772998 0,908620557 -16791,74926 17836,16665 -16791,74926 17836,16665

33.702 1,275226057 0,563935989 2,261295752 0,15215402 -1,151196356 3,701648471 -1,151196356 3,701648471

31.760 0,332892879 0,545311036 0,610464225 0,60368377 -2,013392771 2,679178529 -2,013392771 2,679178529

30.271 -0,409359834 0,497506339 -0,822823353 0,49710268 -2,549958329 1,731238662 -2,549958329 1,731238662

28.371 -0,438469221 0,413314431 -1,060861148 0,39992725 -2,216818923 1,33988048 -2,216818923 1,33988048

Y= PIL X = RIL VENEZIA OUTPUT RIEPILOGO

anno £.*1.000/abitante £.*1.000/addetto/anno


1992 30.271L. 26.426L. R multiplo 0,998954739





1997 41.217L. 36.214L. 35.094L. 33.001L. 29.921L.




(a) 2001 49.645L. 42.490L. 40.735L. 37.894L. 36.642L. Residuo 2 252255,1274 126127,5637



Intercetta -430,3849719 3172,287164 -0,135670243 0,904505074 -14079,6445 13218,87455 -14079,6445 13218,87455

29.921 0,571959251 0,387581213 1,47571459 0,27800864 -1,095669275 2,239587777 -1,095669275 2,239587777

27.606 0,37413455 0,5657485 0,661308957 0,57640846 -2,06008647 2,808355571 -2,06008647 2,808355571

26.426 -0,384924096 0,621298983 -0,619547282 0,59873063 -3,058159721 2,288311529 -3,058159721 2,288311529

24.822 0,683152381 0,399001904 1,712153184 0,22899981 -1,033615446 2,399920208 -1,033615446 2,399920208

Y = RIL ROVIGO X = PIL OUTPUT RIEPILOGO

anno £.*1.000/addetto/anno £.*1.000/abitante


1992 26.796L. 30.271L. R multiplo 0,950761774





1997 32.519L. 41.217L. 39.341L. 37.080L. 33.702L.




(a) 2001 36.664L. 49.645L. 47.480L. 45.314L. 42.808L. Residuo 2 2071021,482 1035510,741



Intercetta 11327,89148 8237,340427 1,375187972 0,30285434 -24114,54847 46770,33143 -24114,54847 46770,33143

33.702 2,037429535 1,154401985 1,764922064 0,21962232 -2,929564776 7,004423846 -2,929564776 7,004423846

31.760 -1,862182176 1,116275879 -1,668209634 0,23721189 -6,665132978 2,940768626 -6,665132978 2,940768626

30.271 0,496499231 1,018417543 0,487520305 0,67409269 -3,885400842 4,878399303 -3,885400842 4,878399303

28.371 -0,23714406 0,846072973 -0,28028795 0,80558803 -3,877504782 3,403216663 -3,877504782 3,403216663

TEST DI CAUSALITA' NEL SENSO DI GRANGER CON X = PIL

INDIP. E Y = RIL VENEZIA DIP., A LAG 3 (RITARDI)

TEST DI CAUSALITA' NEL SENSO DI GRANGER CON X = RIL

VENEZIA INDIP. E Y = PIL DIP., A LAG 3 (RITARDI)

TEST DI CAUSALITA' NEL SENSO DI GRANGER CON X = PIL

INDIP. E Y = RIL ROVIGO DIP., A LAG 3 (RITARDI)

Tabella 19

Tabella 20

Tabella 18


Pag

ina6

7


Pag

ina6

8

COMUNI CHIOGGIA ROSOLINA LOREO ADRIA CEREGNANO ROVIGO Totali

CHIOGGIA 121 25 21 1 26 194

ROSOLINA 113 81 48 5 61 308

LOREO 35 103 57 3 36 234

ADRIA 33 55 44 108 422 662

CEREGNANO 1 1 2 78 424 506

ROVIGO 18 18 18 299 261 614

Totali 200 298 170 503 378 969 2.518

Tabella 22


CHIOGGIA 0 123 25 21 1 26 197

ROSOLINA 119 0 86 51 5 64 326

LOREO 35 104 0 57 3 36 235

ADRIA 34 57 45 0 111 435 682

CEREGNANO 1 1 2 79 0 429 512

ROVIGO 18 18 18 297 259 0 609

Totali 207 302 176 505 380 991 2.562

Tabella 23

ATTRAZIONE

MATRICE ORIGINE-DESTINAZIONE PER LAVORO (GENERAZIONE/ATTRAZIONE)

DELLE LOCALITA' DELLA ROVIGO-CHIOGGIA - ANNO 1991

MATRICE ORIGINE-DESTINAZIONE PER LAVORO (GENERAZIONE/ATTRAZIONE)


G

E

N

E

R

A

Z

I

O

N

E

G

E

N

E

R

A

Z

I

O

N

E

ATTRAZIONE

GENERAZIONE DEL TRAFFICO

ATTRAZIONE DEL TRAFFIC

O

GENERAATT



O


CHIOGGIA 2 0 97 0 16 115

ROSOLINA 20 0 183 0 58 261

LOREO 3 4 145 0 25 177

ADRIA 2 0 3 5 96 106

CEREGNANO 0 0 1 36 222 259

ROVIGO 0 0 0 97 16 113

Totali 25 6 4 558 21 417 1.031

Tabella 24


CHIOGGIA 0 2 0 90 0 15 106

ROSOLINA 19 0 0 174 0 55 248

LOREO 3 4 0 137 0 24 168

ADRIA 2 0 3 0 5 94 104

CEREGNANO 0 0 1 32 0 199 233

ROVIGO 0 0 0 93 15 0 108

Totali 24 6 4 526 20 387 966

Tabella 25

MATRICE ORIGINE-DESTINAZIONE PER STUDIO (GENERAZIONE/ATTRAZIONE) DELLE

LOCALITA' DELLA ROVIGO-CHIOGGIA - ANNO 2001

G

E

N

E

R

A

Z

I

O

N

E

ATTRAZIONE

MATRICE ORIGINE-DESTINAZIONE PER STUDIO (GENERAZIONE/ATTRAZIONE) DELLE


G

E

N

E

R

A

Z

I

O

N

E

ATTRAZIONE



O

GENERAATT



O


Pag

ina6

9


CHIOGGIA 0,0% 62,4% 12,9% 10,8% 0,5% 13,4% 197

ROSOLINA 36,7% 0,0% 26,3% 15,6% 1,6% 19,8% 326

LOREO 15,0% 44,0% 0,0% 24,4% 1,3% 15,4% 235

ADRIA 5,0% 8,3% 6,6% 0,0% 16,3% 63,7% 682

CEREGNANO 0,2% 0,2% 0,4% 15,4% 0,0% 83,8% 512

ROVIGO 2,9% 2,9% 2,9% 48,7% 42,5% 0,0% 609

Tabella 26

COMUNI CHIOGGIA ROSOLINA LOREO ADRIA CEREGNANO ROVIGO

CHIOGGIA 0,0% 40,7% 14,4% 4,2% 0,3% 2,7%

ROSOLINA 57,6% 0,0% 48,6% 10,0% 1,4% 6,5%

LOREO 17,0% 34,3% 0,0% 11,3% 0,8% 3,7%

ADRIA 16,4% 18,8% 25,7% 0,0% 29,3% 43,9%

CEREGNANO 0,5% 0,3% 1,1% 15,6% 0,0% 43,3%

ROVIGO 8,6% 5,9% 10,1% 58,8% 68,2% 0,0%

Totali 207 302 176 505 380 991

Tabella 27

MATRICE ORIGINE-DESTINAZIONE PER LAVORO (ATTRAZIONE IN

PERCENTUALE) DELLE LOCALITA' DELLA ROVIGO-CHIOGGIA - ANNO 2001

MATRICE ORIGINE-DESTINAZIONE PER LAVORO (GENERAZIONE IN PERCENTUALE)

DELLE LOCALITA' DELLA ROVIGO-CHIOGGIA - ANNO 2001G

E

N

E

R

A

Z

I

O

N

E

ATTRAZIONE


ATTRAZIONE DEL

TRAFFICO


CHIOGGIA 0,0% 1,7% 0,0% 84,3% 0,0% 13,9% 106

ROSOLINA 7,7% 0,0% 0,0% 70,1% 0,0% 22,2% 248

LOREO 1,7% 2,3% 0,0% 81,9% 0,0% 14,1% 168

ADRIA 1,9% 0,0% 2,8% 0,0% 4,7% 90,6% 104

CEREGNANO 0,0% 0,0% 0,4% 13,9% 0,0% 85,7% 233

ROVIGO 0,0% 0,0% 0,0% 85,8% 14,2% 0,0% 108

Tabella 28

COMUNI CHIOGGIA ROSOLINA LOREO ADRIA CEREGNANO ROVIGO

CHIOGGIA 0,0% 32,8% 0,0% 17,1% 0,0% 3,8%

ROSOLINA 79,8% 0,0% 0,0% 33,0% 0,0% 14,2%

LOREO 11,9% 67,2% 0,0% 26,1% 0,0% 6,1%

ADRIA 8,2% 0,0% 76,5% 0,0% 24,2% 24,3%

CEREGNANO 0,0% 0,0% 23,5% 6,1% 0,0% 51,6%

ROVIGO 0,0% 0,0% 0,0% 17,6% 75,8% 0,0%

Totali 24 6 4 526 20 387

Tabella 29

MATRICE ORIGINE-DESTINAZIONE PER STUDIO (GENERAZIONE IN


ATTRAZIONE

MATRICE ORIGINE-DESTINAZIONE PER STUDIO (ATTRAZIONE IN


G

E

N

E

R

A

Z

I

O

N

E


ATTRAZIONE DEL

TRAFFICO


Pag

ina7

0

PENDOLARI GIORNALIERI DA COMUNI DELLE PICCOLE AREE FUNZIONALI I AL COMUNE DI CHIOGGIA J: Pij 207

PENDOLARI GIORNALIERI DAL COMUNE DI CHIOGGIA J AI COMUNI DELLE PICCOLE AREE FUNZIONALI I: Pji 197

OCCUPATI (POP. ATTIVA) RESIDENTI NEI COMUNI DELLE PICCOLE AREE FUNZIONALI I: WBi 33.590

OCCUPATI (POP. ATTIVA) RESIDENTI NEL COMUNE DI CHIOGGIA J: WBj 13.674

POPOLAZIONE LAVORATIVA NEI COMUNI I (OCCUPATI RESIDENTI+ 33.580

PENDOLARI IN ENTRATA PROVENIENTI DA CHIOGGIA -

-NUMERO COMPLESSIVO DEI PENDOLARI IN USCITA): ABi

POPOLAZIONE LAVORATIVA NEL COMUNE DI CHIOGGIA J (OCCUPATI RESIDENTI+ 13.684

PENDOLARI IN ENTRATA PROVENIENTI DAI COMUNI DELLE PICCOLE AREE FUNZIONALI -

-NUMERO COMPLESSIVO DEI PENDOLARI IN USCITA): ABj

INDICE DI INTERRELAZIONE PENDOLARE TRA LE AREE I E J 4,16%

PENDOLARI GIORNALIERI DA COMUNI DELLE PICCOLE AREE FUNZIONALI I AL COMUNE CHIOGGIA J: Pij 24

PENDOLARI GIORNALIERI DAL COMUNE DI CHIOGGIA J AI COMUNI DELLE PICCOLE AREE FUNZIONALI I: Pji 106

STUDENTI RESIDENTI NEI COMUNI DELLE PICCOLE AREE FUNZIONALI I: WBi 6.863

STUDENTI RESIDENTI NEL COMUNE DI CHIOGGIA J: WBj 1.740

POPOLAZIONE STUDENTESCA NEI COMUNI I (STUDENTI RESIDENTI + 6.945

PENDOLARI IN ENTRATA PROVENIENTI DA CHIOGGIA -

- NUMERO COMPLESSIVO DI PENDOLARI IN USCITA): ABi

POPOLAZIONE STUDENTESCA NEL COMUNE DI CHIOGGIA J (STUDENTI RESIDENTI + 1.657


- NUMERO COMPLESSIVO DEI PENDOLARI IN USCITA): ABj


PENDOLARI GIORNALIERI DA COMUNI DELLE PICCOLE AREE FUNZIONALI I AL COMUNE DI ROSOLINA J: Pij 302

PENDOLARI GIORNALIERI DAL COMUNE DI ROSOLINA J AI COMUNI DELLE PICCOLE AREE FUNZIONALI I: Pji 326


OCCUPATI (POP. ATTIVA) RESIDENTI NEL COMUNE DI ROSOLINA J: WBj 2.401


PENDOLARI IN ENTRATA PROVENIENTI DA ROSOLINA -


POPOLAZIONE LAVORATIVA NEL COMUNE DI ROSOLINA J (OCCUPATI RESIDENTI+ 2.378




PENDOLARI GIORNALIERI DA COMUNI DELLE PICCOLE AREE FUNZIONALI I AL COMUNE DI ROSOLINA J: Pij 6

PENDOLARI GIORNALIERI DAL COMUNE DI ROSOLINA J AI COMUNI DELLE PICCOLE AREE FUNZIONALI I: Pji 248


STUDENTI RESIDENTI NEL COMUNE DI ROSOLINA J: WBj 332


PENDOLARI IN ENTRATA PROVENIENTI DA ROSOLINA -


POPOLAZIONE STUDENTESCA NEL COMUNE DI ROSOLINA J (STUDENTI RESIDENTI + 90




CHIOGGIA

CHIOGGIA

ROSOLINA

Tabella 31 DISTRETTO DI CHIOGGIA (modello di Atz per pendolari per motivi di studio per Centroide)

ROSOLINA

Tabella 30 DISTRETTO DI CHIOGGIA (modello di ATZ per pendolari per motivi di lavoro per Centroide)

Tabella 32 DISTRETTO DI ROSOLINA (modello di ATZ per pendolari per motivi di lavoro per Centroide)

Tabella 33 DISTRETTO DI ROSOLINA (modello di Atz per pendolari per motivi di studio per Centroide)


Pag

ina7

1

PENDOLARI GIORNALIERI DA COMUNI DELLE PICCOLE AREE FUNZIONALI I AL COMUNE DI LOREO J: Pij 176

PENDOLARI GIORNALIERI DAL COMUNE DI LOREO J AI COMUNI DELLE PICCOLE AREE FUNZIONALI I: Pji 235


OCCUPATI (POP. ATTIVA) RESIDENTI NEL COMUNE DI LOREO J: WBj 1.483


PENDOLARI IN ENTRATA PROVENIENTI DA LOREO -


POPOLAZIONE LAVORATIVA NEL COMUNE DI LOREO J (OCCUPATI RESIDENTI+ 1.424




PENDOLARI GIORNALIERI DA COMUNI DELLE PICCOLE AREE FUNZIONALI I AL COMUNE DI LOREO J: Pij 4

PENDOLARI GIORNALIERI DAL COMUNE DI LOREO J AI COMUNI DELLE PICCOLE AREE FUNZIONALI I: Pji 168


STUDENTI RESIDENTI NEL COMUNE DI LOREO J: WBj 212


PENDOLARI IN ENTRATA PROVENIENTI DA LOREO -


POPOLAZIONE STUDENTESCA NEL COMUNE DI LOREO J (STUDENTI RESIDENTI + 48




PENDOLARI GIORNALIERI DA COMUNI DELLE PICCOLE AREE FUNZIONALI I AL COMUNE DI ADRIA J: Pij 505

PENDOLARI GIORNALIERI DAL COMUNE DI ADRIA J AI COMUNI DELLE PICCOLE AREE FUNZIONALI I: Pji 682


OCCUPATI (POP. ATTIVA) RESIDENTI NEL COMUNE DI ADRIA J: WBj 7.660


PENDOLARI IN ENTRATA PROVENIENTI DA ADRIA -


POPOLAZIONE LAVORATIVA NEL COMUNE DI ADRIA J (OCCUPATI RESIDENTI+ 7.483




PENDOLARI GIORNALIERI DA COMUNI DELLE PICCOLE AREE FUNZIONALI I AL COMUNE DI ADRIA J: Pij 526

PENDOLARI GIORNALIERI DAL COMUNE DI ADRIA J AI COMUNI DELLE PICCOLE AREE FUNZIONALI I: Pji 104


STUDENTI RESIDENTI NEL COMUNE DI ADRIA J: WBj 1.616


PENDOLARI IN ENTRATA PROVENIENTI DA ADRIA -


POPOLAZIONE STUDENTESCA NEL COMUNE DI ADRIA J (STUDENTI RESIDENTI + 2.039




LOREO

ADRIA

ADRIATabella 37 DISTRETTO DI ADRIA (modello di Atz per pendolari per motivi di studio per Centroide)

LOREO

Tabella 36 DISTRETTO DI ADRIA (modello di ATZ per pendolari per motivi di lavoro per Centroide)

Tabella 34 DISTRETTO DI LOREO (modello di ATZ per pendolari per motivi di lavoro per Centroide)

Tabella 35 DISTRETTO DI LOREO (modello di Atz per pendolari per motivi di studio per Centroide)


Pag

ina7

2

PENDOLARI GIORNALIERI DA COMUNI DELLE PICCOLE AREE FUNZIONALI I AL COMUNE DI CEREGNANO J: Pij 380

PENDOLARI GIORNALIERI DAL COMUNE DI CEREGNANO J AI COMUNI DELLE PICCOLE AREE FUNZIONALI I: Pji 512


OCCUPATI (POP. ATTIVA) RESIDENTI NEL COMUNE DI CEREGNANO J: WBj 1.571


PENDOLARI IN ENTRATA PROVENIENTI DA CEREGNANO -


POPOLAZIONE LAVORATIVA NEL COMUNE DI CEREGNANO J (OCCUPATI RESIDENTI+ 1.439




PENDOLARI GIORNALIERI DA COMUNI DELLE PICCOLE AREE FUNZIONALI I AL COMUNE DI CEREGNANO J: Pij 20

PENDOLARI GIORNALIERI DAL COMUNE DI CEREGNANO J AI COMUNI DELLE PICCOLE AREE FUNZIONALI I: Pji 233


STUDENTI RESIDENTI NEL COMUNE DI CEREGNANO J: WBj 249


PENDOLARI IN ENTRATA PROVENIENTI DA CEREGNANO -


POPOLAZIONE STUDENTESCA NEL COMUNE DI CEREGNANO J (STUDENTI RESIDENTI + 36




Tabella 40

OCCUPATI STUDENTI TOTALE OCCUPATI STUDENTI TOTALE OCCUPATI STUDENTI

991 387 1378 609 108 718 1601 495

PENDOLARI GIORNALIERI DA COMUNI DELLE PICCOLE AREE FUNZIONALI I AL COMUNE DI ROVIGO A J: Pij 991

PENDOLARI GIORNALIERI DAL COMUNE DI ROVIGO J AI COMUNI DELLE PICCOLE AREE FUNZIONALI I: Pji 609


OCCUPATI (POP. ATTIVA) RESIDENTI NEL COMUNE DI ROVIGO J: WBj 20.475


PENDOLARI IN ENTRATA PROVENIENTI DA ROVIGO -


POPOLAZIONE LAVORATIVA NEL COMUNE DI ROVIGOJ (OCCUPATI RESIDENTI+ 20.856




PENDOLARI GIORNALIERI DA COMUNI DELLE PICCOLE AREE FUNZIONALI I AL COMUNE DI ROVIGO J: Pij 387

PENDOLARI GIORNALIERI DAL COMUNE DI ROVIGO J AI COMUNI DELLE PICCOLE AREE FUNZIONALI I: Pji 108


STUDENTI RESIDENTI NEL COMUNE DI ROVIGO J: WBj 4.454


PENDOLARI IN ENTRATA PROVENIENTI DA ROVIGO -


POPOLAZIONE STUDENTESCA NEL COMUNE DI ROVIGO J (STUDENTI RESIDENTI + 4.733




2096

IN ENTRATA QUOTIDIANA A ROVIGO

Tabella 38 DISTRETTO DI CEREGNANO (modello di ATZ per pendolari per motivi di lavoro per Centroide)

Tabella 41 (modello di ATZ per pendolari per motivi di lavoro per Piccole Aree Funzionali nel complesso)

CEREGNANO

Tabella 39 DISTRETTO DI CEREGNANO (modello di Atz per pendolari per motivi di studio per Centroide) CEREGNANO

Tabella 42 (modello di Atz per pendolari per motivi di studio per Piccole Aree Funzionali nel complesso)

PER SPOSTAMENTI BILATERALI

IN USCITA QUOTIDIANA DA ROVIGO TOTALE PENDOLARI GIORNALIERI TOTALE MOBILITA'

POPOLAZIONE 2001 CHE SI SPOSTA QUOTIDIANAMENTE IN ENTRATA ED IN USCITA DA COMUNE DI ROVIGO


Pag

ina7

3

LOCALITA' TIPOLOGIA LAVORO STUDIO LAVORO STUDIO LAVORO STUDIO

CHIOGGIA monodirezionale 4,16% 9,43% 10 83- 1,05 0,22

ROSOLINA bidirezionale 27,66% 83,93% 23- 242- 0,93 0,02

LOREO bidirezionale 29,14% 89,04% 59- 164- 0,75 0,02

ADRIA bidirezionale 18,64% 41,32% 177- 422 0,74 5,08

CEREGNANO bidirezionale 60,94% 152,42% 132- 213- 0,74 0,09

ROVIGO monodirezionale 13,74% 22,72% 382 279 1,63 3,58

Tabella 43

NOTE: MAX TEORICO DI ATZ = 400% (1/1*100%+1/1*100%+1/1*100%+1/1*100%); MIN TEORICO DI ATZ TENDENTE A 0

SALDO ASSOLUTO: > 0 = SALDO FAVOREVOLE ALL'ENTRATA; < 0 = SALDO FAVOREVOLE ALL'USCITASALDO PROPORZIONALE: > 1 = SALDO FAVOREVOLE ALL'ENTRATA: < 1 = SALDO FAVOREVOLE

ALL'USCITA; SALDO PROPORZIONALE = 0: ESCONO TUTTI; SALDO PROPORZIONALE TENDENTE AD

INFINITO: ENTRANO TUTTI

TABELLA RIASSUNTIVA DEI VALORI DI FLUSSO (biflusso mono-bidirezionale) SECONDO IL MODELLO DI ATZ E SALDI INTRAAREA DI ENTRATA E

USCITA DELLE LOCALITA' IN VALORE ASSOLUTO E PROPORZIONALE (da matrici O/D 2001)

DIREZIONE = SALDO ASSOLUTO

ENTRATA-USCITA: D=(Ej-Uj)

DIREZIONE = SALDO

PROPORZIONALE

ENTRATA/USCITA d=(Ej/Uj)

VOLUME = VALORI DI FLUSSO

SECONDO ATZ


Pag

ina7

4

INDICE DI INTERRELAZIONE PENDOLARE PER MOTIVI DI LAVORO DELLA PROVINCIA AUTONOMA DI BOLZANO 1995

LOCALITA' IIP % ESTENSIONE KMQ POPOLAZIONE

BOLZANO - EGNA 45,8 1.324 186.768

MERANO - LANA 36,8 706 70.007

BRUNICO - CAMPO TURES 29,4 1.255 47.296

MERANO - NATURNO 19,7 634 61.268

SILANDRO - MALLES 19,2 1.178 28.799

BOLZANO - ORTISEI 18,2 1.588 201.527

BRUNICO - S. CANDIDO 16,4 1.016 44.759

NATURNO - SILANDRO 14,5 780 22.276

MERANO - S. LEONARDO 14,1 391 57.067

BRESSANONE - VIPITENO 11,3 1.320 57.968

BOLZANO BRESSANONE 11,2 1.809 207.565 NUMERO TRENI/GIORNO SULLA LINEA ROVIGO-CHIOGGIA T/G = 32

BOLZANO - MERANO 11,0 1.378 219.657 LUNGHEZZA DELLA LINEA FERROVIARIA ROVIGO-CHIOGGIA LL (KM.) = 57

BOLZANO - LANA 9,4 1.482 182.190 INDICE DI DOTAZIONE DI INFRASTRUTTURE FERROVIARIE DIF= 7,72E-07

BRESSANONE -BRUNICO 8,2 1.443 77.141 INDICE DI INTENSITA' DEL TRAFFICO GIORNALIERO ITG= 4,34E-07

BRUNICO - CORVARA 8,0 754 36.732

MERANO SILANDRO 5,6 2.530 115.238

BRESSANONE - ORTISEI 3,8 757 45.867

BOLZANO - VIPITENO 3,3 1.665 182.243

LOCALITA' IIP % LL ( KM.) T/G DIF ITG S*P

DIF ROVIGO-

CHIOGGIA

ITG ROVIGO-

CHIOGGIA

EMULAZIONE N°

TRENI

BOLZANO - EGNA 45,8 22 26 8,90E-08 1,05E-07 2,47E+08 7,72E-07 4,34E-07

MERANO - LANA 36,8 9 40 1,82E-07 8,09E-07 4,94E+07 7,72E-07 4,34E-07

BOLZANO - ORTISEI 18,2 non esiste 5,94E+07 7,72E-07 4,34E-07

BRUNICO - S. CANDIDO 16,4 33 23 8,50E-07 5,92E-07 3,88E+07 7,72E-07 4,34E-07

NATURNO - SILANDRO 14,5 linea ferroviaria chiusa 3,39E+07 7,72E-07 4,34E-07

MERANO - S. LEONARDO 14,1 non esiste 3,20E+08 7,72E-07 4,34E-07

BRESSANONE - VIPITENO 11,3 29 20 6,38E-07 4,40E-07 4,55E+07 7,72E-07 4,34E-07

BOLZANO BRESSANONE 11,2 38 31 2,19E-06 1,78E-06 1,74E+07 7,72E-07 4,34E-07

BOLZANO - MERANO 11,0 32 41 1,43E-06 1,84E-06 2,23E+07 7,72E-07 4,34E-07

BOLZANO - LANA 9,4 23 40 3,01E-07 5,23E-07 7,65E+07 7,72E-07 4,34E-07

BRESSANONE -BRUNICO 8,2 42 1 1,12E-07 2,66E-09 3,75E+08 7,72E-07 4,34E-07

BRUNICO - CORVARA 8,0 non esiste 3,03E+08 7,72E-07 4,34E-07

MERANO SILANDRO 5,6 non esiste 2,70E+08 7,72E-07 4,34E-07

BRESSANONE - ORTISEI 3,8 non esiste 1,11E+08 7,72E-07 4,34E-07

BOLZANO - VIPITENO 3,3 67 20 2,42E-06 7,22E-07 2,77E+07 7,72E-07 4,34E-07

Nota:

I dati grezzi relativi alla Provincia Autonoma di Bolzano sono tratti dall'Annuario Statistico della Provincia di Bolzano - 1995, ASTAT, Bolzano, 1996

Anno 1999 Anno 2000 Anno 2001 Anno 2002

TENDENZA*

Anno 2003

TENDENZA*

Anno 2004

TENDENZA*

Anno 2005

TENDENZA*

Anno 2006

TENDENZA*

625 593 603 585 574 563 552 541

226 278 290 329 361 393 425 457

Nota:

(*) Valori calcolati con funzione statistica di tendenza ad n-periodi IN ASSENZA DI FENOMENI PERTURBATIVI

10,57

-

-

Tabella 44 (Provincia Autonoma di Bolzano)

Tabella 46 : Tabella di confronto - ANALISI DI BENCHMARKING PER TRAFFICO FERROVIARIO PENDOLARE AL SERVIZIO DEL TERRITORIO

Tabella 45 : DIF e ITG sulla linea ferroviaria Rovigo-Chioggia

1,88

14,45

-

Tabella 47

ESTIVO

INVERNALE

Per il modello di ATZ vd.: Atz Hermann e Ufficio provinciale statistica e studi, Aree di Mercato del Lavoro e Piccole Aree funzionali. Una delimitazione di ambiti di analisi territoriale

per la statistica e la politica economica in base ai flussi pendolari per ragioni di lavoro . Collana ASTAT n°7, Bolzano, 1995.

Movimenti pendolari ferroviari

giornalieri bilaterali da Lunedì a

Sabato

Aspettative sull'andamento della mobilità GIORNALIERA MEDIA bilaterale sulla linea ferroviaria Rovigo-Chioggia nei periodi di punta (novembre) e di morbida (luglio) dei

lavoratori, degli studenti e della mobilità per motivi diversi (cd. "commissioni")*

12,90

9,34

0,05

-

-

7,85

31,86

32,82

-


Pag

ina7

5

1991 1996 2001 2001/1991 1991 1996 2001 2001/1991 1991 1996 2001 2001/1991 1991 1996 2001 2001/1991

CHIOGGIA 19.172 19.539 21.233 9,71% 28 9 6 -366,67% 1.782 1.288 3.107 42,65% 20.982 20.836 24.346 13,82%

ROSOLINA 2.685 3.161 3.555 24,47% 7 8 8 12,50% 244 215 227 -7,49% 2.936 3.384 3.790 22,53%

LOREO 1.634 1.853 1.946 16,03% 2 2 2 0,00% 136 126 133 -2,26% 1.772 1.981 2.081 14,85%

ADRIA 9.254 10.317 10.835 14,59% 20 14 12 -66,67% 745 661 837 10,99% 10.019 10.992 11.684 14,25%

CEREGNANO 1.807 1.973 2.043 11,55% 2 3 2 0,00% 164 151 158 -3,80% 1.973 2.127 2.203 10,44%

ROVIGO 27.618 28.569 30.122 8,31% 168 97 129 -30,23% 2.003 1.981 2.511 20,23% 29.789 30.647 32.762 9,07%

TOTALE 62.170 65.412 69.734 10,85% 227 133 159 -42,77% 5.074 4.422 6.973 27,23% 67.471 69.967 76.866 12,22%Tabella 48

Tabella 49

FUNZIONE DI ASSEGNAZIONE (Modéle séquentiel prix-temps: choix modal) secondo ABRAHAM C. e BLANCHET J.D. (1973) - VALUTAZIONE 'DOOR TO DOOR ' E PER SERVIZIO DI ESTREMITA'

LOCALITA' GENERATRICE /

ATTRATTRICE

DISTANZA

CHILOMETRI

FERROVIARI

(da Orario

Ufficiale FS)

TEMPO DI

PERCORRENZA

FERROVIARIO

SEMPLICEMENTE

RETTIFICATO (+7'

DOORTODOOR=700 mt. a

6 km/h) IN MINUTI PRIMI

TF. (Fonte:

WWW.Trenitalia.it per orari

in fascia 7.00-9.00)

DISTANZA

CHILOMETRI

STRADALI (Fonte:

Mappe Yahoo-GIS

e Michelin-

TeleAtlas)

TEMPO DI PERCORRENZA

CON TRASPORTO A

MOTORE PRIVATO IN

MINUTI PRIMI IN

SITUAZIONE TIPICA TA

(Fonte: Mappe Yahoo-GIS)

ED A VELOCITA' DI CODICE

STRADALE (per fascia oraria

7.00-9.00)

COSTO PERCEPITO

DEL TRASPORTO

FERROVIARIO PER

RELAZIONE

(TARIFFA N° 39/21/1

VENETO ADULTI DI

C.S. DI 2 ̂CLASSE -

Ottobre 2001)

COSTO PERCEPITO DEL

TRASPORTO A MOTORE

PUBBLICO PER

RELAZIONE (Tariffe SITA

su Rovigo dal 01/09/2001

al 31/08/2002)

COSTO PERCEPITO

DEL TRASPORTO A

MOTORE PRIVATO

PER RELAZIONE

(algoritmo)

FUNZIONE DI

RIPARTIZIONE

MODALE

FERROVIARIO

VS.GOMMATO

PRIVATO:

TF/TF+TA =

F (hb)

VALORE DI

BILANCIAMENTO

PERCEPITO

TRAGUARDATO

ALL'ORA (valeur de

basculement):

< A EUR...=TRENO;

> A

EUR...=GOMMATO

PRIVATO

VALORE DI

BILANCIAMENTO

PERCEPITO

TRAGUARDATO

ALL'ORA (valeur de

basculement):

< A EUR...=TRENO;

> A

EUR...=GOMMATO

PUBBLICO

COSTO

DIRETTO DEL

TRASPORTO A

MOTORE

PRIVATO A

BENZINA (4°

Rapporto FS-

Amici della Terra)

COSTO ESTERNO

DEL TRASPORTO A

MOTORE PRIVATO A

BENZINA (GAS

SERRA,

INQUINAMENTO,

RUMORE, INCIDENTI,

CONGESTIONE) 4°

Rapporto FS-Amici

della Terra

COSTO DIRETTO DEL

TRASPORTO

FERROVIARIO (4°

Rapporto FS-Amici

della Terra)

COSTO ESTERNO

DEL TRASPORTO

FERROVIARIO

(GAS SERRA,

INQUINAMENTO,

RUMORE,

INCIDENTI,

CONGESTIONE) 4°

Rapporto FS-Amici

della Terra

VALORE DI

BILANCIAMENT

O GENERALE

TRAGUARDATO

ALL'ORA: < A

EUR...=TRENO;

> A

EUR...=GOMMA

TO PRIVATO

COSTO

PERCEPITO

UNITARIO DEL

TRASPORTO A

MOTORE

PRIVATO A

BENZINA PER

RELAZIONE

(1,06 EUR/10

KM/LIT.)

ROVIGO 57 63 52 54 EUR 3,20 EUR 0,00 EUR 5,51 0,54 EUR 15,41 N.D. EUR 15,95 EUR 5,99 EUR 4,31 EUR 1,51 EUR 107,49 EUR 0,106


ROVIGO 37 42 34 36 EUR 2,32 EUR 2,89 EUR 3,60 0,54 EUR 12,84 EUR 5,70 EUR 10,43 EUR 3,92 EUR 2,80 EUR 0,98 EUR 105,70 EUR 0,106

ROVIGO 25 32 23 24 EUR 1,91 EUR 2,32 EUR 2,44 0,57 EUR 3,96 EUR 3,08 EUR 7,06 EUR 2,65 EUR 1,89 EUR 0,66 EUR 53,65 EUR 0,106


CEREGNANO 47 55 51 53 EUR 2,79 EUR 0,00 EUR 5,41 0,51 EUR 78,48 N.D. EUR 15,64 EUR 5,88 EUR 3,56 EUR 1,24 EUR 501,68 EUR 0,106




ADRIA 32 38 35 36 EUR 2,32 EUR 0,00 EUR 3,71 0,51 EUR 41,70 N.D. EUR 10,74 EUR 4,03 EUR 2,42 EUR 0,85 EUR 345,07 EUR 0,106

ADRIA 16 22 15 16 EUR 1,39 EUR 0,00 EUR 1,59 0,58 EUR 2,00 N.D. EUR 4,60 EUR 1,73 EUR 1,21 EUR 0,42 EUR 46,96 EUR 0,106

ADRIA 11 17 12 13 EUR 1,39 EUR 1,34 EUR 1,27 0,57 EUR 1,77 EUR 0,75 EUR 3,68 EUR 1,38 EUR 0,83 EUR 0,29 EUR 59,11 EUR 0,106

LOREO 22 28 23 24 EUR 1,91 EUR 0,00 EUR 2,44 0,54 EUR 7,92 N.D. EUR 7,06 EUR 2,65 EUR 1,66 EUR 0,58 EUR 111,89 EUR 0,106

LOREO 4 12 4 4 EUR 1,03 EUR 0,00 EUR 0,42 0,75 EUR 4,55 N.D. EUR 1,23 EUR 0,46 EUR 0,30 EUR 0,11 EUR 9,60 EUR 0,106

ROSOLINA 16 23 18 19 EUR 1,39 EUR 0,00 EUR 1,91 0,55 EUR 7,77 N.D. EUR 5,52 EUR 2,07 EUR 1,21 EUR 0,42 EUR 89,43 EUR 0,106

CEREGNANO

CHIOGGIA

ADRIA

VEICOLI PER IL TRASPORTO DELLE PERSONE CIRCOLANTI NELLE PROVINCIE DI VENEZIA E ROVIGO PER COMUNE

AUTOVETTURE AUTOBUS MOTOCICLI TOTALE GENERALE

LOREO

LOCALITA' DI

ATTRAZIONE E

GENERAZIONE

LOCALITA' ATTRATTRICE /

GENERATRICE

CHIOGGIA

ROSOLINA

ROSOLINA

LOREO

ADRIA

CHIOGGIA

ROSOLINA

LOREO

CHIOGGIA

ROSOLINA

CHIOGGIA


Pag

ina7

6


Pag

ina7

7

SETTORE LIVELLO QUALIFICA

RETRIBUZIONE

ORARIA RL

CONTRIBUTI

TOTALI+IMPO

STE

LAVORATORE RN

MONTE ORE

ANNUALE

CONTRATTUA

LE

6 EUR 7,30 EUR 16.747,42 24,9% EUR 12.577,31 1.723

5 EUR 6,58 EUR 15.098,75 24,9% EUR 11.339,16 1.723

3 EUR 5,68 EUR 13.027,40 24,9% EUR 9.783,58 1.723

10 EUR 11,54 EUR 23.533,59 24,9% EUR 17.673,73 1.531

8 EUR 10,20 EUR 20.797,23 24,9% EUR 15.618,72 1.531

5 EUR 8,41 EUR 17.146,40 24,9% EUR 12.876,95 1.531

Q EUR 7,92 EUR 18.046,24 24,9% EUR 13.552,73 1.712

1 EUR 7,45 EUR 16.988,24 24,9% EUR 12.758,17 1.712

4 EUR 5,77 EUR 13.156,89 24,9% EUR 9.880,82 1.712

8 EUR 7,58 EUR 17.652,20 24,9% EUR 13.256,80 1.749

5 EUR 6,28 EUR 14.625,17 24,9% EUR 10.983,50 1.749

3 EUR 5,65 EUR 13.161,95 24,9% EUR 9.884,62 1.749

QA EUR 8,71 EUR 20.277,39 24,9% EUR 15.228,32 1.748

3 EUR 6,48 EUR 15.078,99 24,9% EUR 11.324,32 1.748 5 EUR 5,73 EUR 13.336,10 24,9% EUR 10.015,41 1.748

Q EUR 8,69 EUR 20.215,27 24,9% EUR 15.181,67 1.748

II EUR 7,35 EUR 17.101,17 24,9% EUR 12.842,98 1.748

IV EUR 6,16 EUR 14.338,22 24,9% EUR 10.768,00 1.748

VI EUR 5,52 EUR 12.858,89 24,9% EUR 9.657,03 1.748

VII EUR 5,16 EUR 12.017,40 24,9% EUR 9.025,07 1.748 CAT. I EUR 5,95 EUR 13.857,89 24,9% EUR 10.407,28 1.748 CAT. II EUR 5,48 EUR 12.761,40 24,9% EUR 9.583,81 1.748

7 EUR 7,75 EUR 18.076,37 24,9% EUR 13.575,35 1.752

6 EUR 7,25 EUR 16.908,06 24,9% EUR 12.697,95 1.752

5 EUR 6,50 EUR 15.155,92 24,9% EUR 11.382,10 1.752

4 EUR 6,25 EUR 14.574,04 24,9% EUR 10.945,10 1.752

3 EUR 6,00 EUR 13.987,74 24,9% EUR 10.504,79 1.752

Q EUR 7,36 EUR 17.185,87 24,9% EUR 12.906,59 1.753

A EUR 6,91 EUR 16.118,70 24,9% EUR 12.105,14 1.753

B EUR 6,41 EUR 14.962,48 24,9% EUR 11.236,82 1.753

E EUR 6,03 EUR 14.079,65 24,9% EUR 10.573,82 1.753

G EUR 5,56 EUR 12.981,28 24,9% EUR 9.748,94 1.753

1S EUR 5,06 RETR. ORARIA 24,9% EUR 5,06 1 1 EUR 4,61 RETR. ORARIA 24,9% EUR 4,61 1

2 EUR 3,84 RETR. ORARIA 24,9% EUR 3,84 1

3 EUR 2,79 RETR. ORARIA 24,9% EUR 2,79 1

1S EUR 4,23 EUR 9.557,21 24,9% EUR 7.177,46 1.698

1 EUR 3,83 EUR 8.656,83 24,9% EUR 6.501,28 1.698

2 EUR 3,06 EUR 6.925,49 24,9% EUR 5.201,04 1.698

1 EUR 7,05 EUR 16.267,68 24,9% EUR 12.217,03 1.732

2 BIS EUR 6,17 EUR 14.228,63 24,9% EUR 10.685,70 1.732

4 EUR 5,60 EUR 12.906,27 24,9% EUR 9.692,61 1.732

6 EUR 5,15 EUR 11.885,64 24,9% EUR 8.926,12 1.732

7 EUR 7,82 EUR 18.020,21 24,9% EUR 13.533,18 1.731

5 EUR 6,08 EUR 14.005,29 24,9% EUR 10.517,97 1.731

3 EUR 5,87 EUR 13.518,57 24,9% EUR 10.152,45 1.731

1 EUR 5,06 EUR 11.665,42 24,9% EUR 8.760,73 1.731

7 EUR 7,26 EUR 16.743,51 24,9% EUR 12.574,38 1.731

5 EUR 6,08 EUR 14.005,29 24,9% EUR 10.517,97 1.731

3 EUR 5,87 EUR 13.518,57 24,9% EUR 10.152,45 1.731

1 EUR 5,06 EUR 11.665,42 24,9% EUR 8.760,73 1.731

2,79EUR

6,32EUR

11,54EUR

IMPIEGATI

IMPIEGATI

IMPIEGATI INTERMEDI, OPERAI

OCCHIALI INDUSTRIA

ADDETTI PULIZIA, GARZONEIMPIEGATI DI CONCETTOIMPIEGATI D'ORDINE

QUADRI, IMPIEGATI DIRETTIVI

IMPIEGATI DIRETTIVI

IMPIEGATI DI CONCETTO

IMPIEGATI DIRETTIVI, QUADRI

METALMECCANICI ARTIGIANATO IMPIEGATI DIRETTIVI

IMPIEGATI D'ORDINE, OP. QUALIFIC., CASSIERI,

IMPIEGATI DI CONCETTO, INTERMEDI, OP. SPEC.

IMPIEGATI D'ORDINE, OPERAI SPECIALIZZATI

OPERAI COMUNI

ASSISTENTI TECNICI, OPERAI SPECIALIZZATI


QUADRI

METALMECCANICI INDUSTRIA


IMPIEGATI D'ORDINE, OPERAI QUALIFICATI

OPERAI COMUNI

IMPIEGATI DI CONCETTO, OPERAI SPECIALIZZATI

METALMECCANICI PICCOLA INDUSTRIA IMPIEGATI D'ORDINE, OPERAI QUALIFICATI

METALMECCANICI PICCOLA INDUSTRIA QUADRI, IMPIEGATI DIRETTIVI

OPERAI COMUNI

TURISMO

METALMECCANICI PICCOLA INDUSTRIA

METALMECCANICI PICCOLA INDUSTRIA

TABELLA INDICATIVA DI ALCUNE RETRIBUZIONI ORARIE ESPRESSE PER SETTORE E CATEGORIA (DATI ITALIA 2001)

QUADRI, DIRETTORI


QUADRI E IMPIEGATI DIRETTIVI

OPERAI SPECIALIZZATI

IMPIEGATI DIRETTIVI ED INTERMEDI

LAVORATORI DI CONCETTO


SPEDIZIONI E TRASPORTO MERCI IND.

TESSILI INDUSTRIA

TESSILI INDUSTRIA

OCCHIALI INDUSTRIA

OCCHIALI INDUSTRIA


OPERAI

TURISMO


QUADRI


POLIGRAFICI QUOTIDIANI



ISTITUTRICI, PUERICULTRICI

CUOCHI, CUSTODI


QUADRI, IMPIEGATI DIRETTIVI


IMPIEGATI D'ORDINE, OPERAI COMUNI



PROVVISTI DI ATTESTATO

PROVVISTI DI ATTESTATOISTITUTRICI, PUERICULTRICI

CUOCHI, CUSTODI

LAVORATORI GENERICI

TESSILI INDUSTRIA

COMMERCIO

TURISMO

COMMERCIO

COMMERCIO

COMMERCIO

COMMERCIO

COMMERCIO

EDILIZIA

EDILIZIA

GOMMA E PLASTICA INDUSTRIA


COMMERCIO

EDILIZIA

EDILIZIA

EDILIZIA

LAVORO DOMESTICO

LAVORO DOMESTICO




LAVORO DOMESTICOLAVORO DOMESTICO

LAVORO DOMESTICO

LAVORO DOMESTICO

LAVORO DOMESTICO



METALMECCANICI ARTIGIANATO



NOTE

PERSONALE NON CONVIVENTE




RETRIBUZIONE ORARIA MINIMA

RETRIBUZIONE ORARIA MEDIA

RETRIBUZIONE ORARIA MASSIMA

QUADRI E DIRETTORI COORDINATORI,

LAVORATORI ESECUTIVI E OPERATIVI

QUADRI

IMPIEGATI DIRETTIVI ED INTERMEDI


Pag

ina7

8

LOCALITA' DI

ATTRAZIONE E

GENERAZIONE

POPOLAZIONE

1991

POPOLAZIONE

1996

POPOLAZIONE

2001

POPOLAZIONE

2002

POPOLAZIONE

2003

POPOLAZIONE

2004

POPOLAZIONE

2005

POPOLAZIONE

2006

CHIOGGIA 53.179 52.664 51.755 51.678 51.536 51.393 51.251 51.109

ROSOLINA 5.675 5.905 6.003 6.058 6.091 6.123 6.156 6.189

LOREO 3.785 3.769 3.714 3.713 3.706 3.699 3.692 3.685

ADRIA 21.225 20.820 20.637 20.541 20.482 20.424 20.365 20.306

CEREGNANO 4.085 4.018 3.942 3.929 3.915 3.901 3.886 3.872

ROVIGO 52.472 50.962 48.179 47.962 47.533 47.103 46.674 46.245

TOTALI 140.421 138.138 134.230 133.882 133.263 132.644 132.024 131.405

Tabella 51

LOCALITA' DI

ATTRAZIONE E

GENERAZIONE

POPOLAZIONE

ATTIVA

RESIDENTE 1991

M/F

POPOLAZIONE

ATTIVA

RESIDENTE 2001

M/F

POPOLAZIONE

ATTIVA

RESIDENTE 2002

M/F

POPOLAZIONE

ATTIVA

RESIDENTE 2003

M/F

POPOLAZIONE

ATTIVA

RESIDENTE 2004

M/F

POPOLAZIONE

ATTIVA

RESIDENTE 2005

M/F

POPOLAZIONE

ATTIVA

RESIDENTE 2006

M/F

CHIOGGIA 16.036 15.965 15.958 15.951 15.944 15.937 15.929

ROSOLINA 2.704 2.743 2.747 2.751 2.755 2.759 2.763

LOREO 1.658 1.656 1.656 1.656 1.656 1.655 1.655

ADRIA 8.930 8.824 8.813 8.803 8.792 8.782 8.771

CEREGNANO 1.771 1.750 1.748 1.746 1.744 1.742 1.740

ROVIGO 23.289 22.709 22.651 22.593 22.535 22.477 22.419

TOTALI 54.388 53.648 53.574 53.500 53.426 53.351 53.277

LOCALITA' DI

ATTRAZIONE E

GENERAZIONE

Wbj OCCUPATI

RESIDENTI 1991

M/F

Wbj OCCUPATI

RESIDENTI 2001

M/F

Wbj OCCUPATI

RESIDENTI 2002

M/F

Wbj OCCUPATI

RESIDENTI 2003

M/F

Wbj OCCUPATI

RESIDENTI 2004

M/F

Wbj OCCUPATI

RESIDENTI 2005

M/F

Wbj OCCUPATI

RESIDENTI 2006

M/F

CHIOGGIA 13.684 13.674 13.673 13.672 13.671 13.670 13.669

ROSOLINA 2.392 2.401 2.402 2.403 2.404 2.405 2.406

LOREO 1.483 1.483 1.483 1.483 1.483 1.483 1.483

ADRIA 7.699 7.660 7.657 7.653 7.649 7.645 7.641

CEREGNANO 1.577 1.571 1.570 1.570 1.569 1.569 1.568

ROVIGO 20.622 20.475 20.460 20.445 20.431 20.416 20.401

TOTALI 47.457 47.264 47.245 47.226 47.207 47.187 47.168

LOCALITA' DI

ATTRAZIONE E

GENERAZIONE

ADDETTI DI U.L.

1991

ADDETTI DI U.L.

1996

ADDETTI DI U.L.

2001 Aj

ADDETTI DI U.L.

2002 Aj

ADDETTI DI U.L.

2003 Aj

ADDETTI DI U.L.

2004 Aj

ADDETTI DI U.L.

2005 Aj

ADDETTI DI U.L.

2006 Aj

CHIOGGIA 9.470 9.583 11.287 11.204 11.385 11.567 11.749 11.930

ROSOLINA 1.884 2.014 2.563 2.561 2.629 2.697 2.765 2.833

LOREO 883 730 938 883 889 894 900 905

ADRIA 4.506 4.432 7.725 7.486 7.808 8.130 8.451 8.773

CEREGNANO 1.454 1.609 2.139 2.145 2.214 2.282 2.351 2.419

ROVIGO 14.842 15.029 20.600 20.278 20.854 21.430 22.006 22.582

TOTALI 33.039 33.397 45.252 44.557 45.778 47.000 48.221 49.442

LOCALITA' DI

ATTRAZIONE E

GENERAZIONE

UNITA' LOCALI

1991

UNITA' LOCALI

1996

UNITA' LOCALI

2001

UNITA' LOCALI

2002

UNITA' LOCALI

2003

UNITA' LOCALI

2004

UNITA' LOCALI

2005

UNITA' LOCALI

2006

CHIOGGIA 2.740 3.076 3.235 3.314 3.364 3.413 3.463 3.512

ROSOLINA 657 641 692 684 688 691 695 698

LOREO 215 229 240 243 246 248 251 253

ADRIA 1.105 1.311 1.578 1.615 1.662 1.710 1.757 1.804

CEREGNANO 250 204 220 207 204 201 198 195

ROVIGO 3.535 4.037 4.246 4.366 4.437 4.508 4.579 4.650

TOTALI 8.502 9.498 10.211 10.429 10.600 10.771 10.942 11.113

Anni scolastici 1991/92 2000/01 2001/02 2002/03 2003/04 2004/05 2005/06


Pag

ina7

9

LOCALITA' DI

ATTRAZIONE E

GENERAZIONE

studenti residenti

nelle località WBj

studenti residenti

nelle località WBj

studenti residenti

nelle località WBj

studenti residenti

nelle località WBj

studenti residenti

nelle località WBj

studenti residenti

nelle località WBj

studenti residenti

nelle località WBj

CHIOGGIA 1.765 1.740 1.737 1.734 1.732 1.729 1.727

ROSOLINA 325 332 333 333 334 335 336

LOREO 214 212 212 212 211 211 211

ADRIA 1.621 1.616 1.616 1.615 1.615 1.614 1.614

CEREGNANO 260 249 248 246 245 244 243

ROVIGO 4.568 4.454 4.442 4.431 4.420 4.408 4.397

TOTALI 8.753 8.602 8.587 8.572 8.557 8.542 8.527

Anni scolastici 1991/92 2000/01 2001/02 2002/03 2003/04 2004/05 2005/06

LOCALITA' DI

ATTRAZIONE E

GENERAZIONE

S Fj studenti

frequentanti nelle

località

S Fj studenti

frequentanti nelle

località

S Fj studenti

frequentanti nelle

località

S Fj studenti

frequentanti nelle

località

S Fj studenti

frequentanti nelle

località

S Fj studenti

frequentanti nelle

località

S Fj studenti

frequentanti nelle

località

CHIOGGIA 4.222 2.771 2.647 2.529 2.416 2.308 2.205

ROSOLINA 209 149 144 139 135 130 126

LOREO 136 92 88 84 80 77 74

ADRIA 4.625 4.189 4.125 4.068 4.012 3.956 3.901

CEREGNANO 133 60 55 51 46 42 39

ROVIGO 7.904 6.173 6.002 5.838 5.679 5.524 5.373

TOTALI 17.229 13.434 13.062 12.709 12.368 12.037 11.717

LOCALITA' DI

ATTRAZIONE E

GENERAZIONE

MOTORIZZAZIONE

1991

MOTORIZZAZIONE

1996

MOTORIZZAZIONE

2001

MOTORIZZAZIONE

2002

MOTORIZZAZIONE

2003

MOTORIZZAZIONE

2004

MOTORIZZAZIONE

2005

MOTORIZZAZIONE

2006

CHIOGGIA 20.982 20.836 24.346 24.073 24.409 24.746 25.082 25.419

ROSOLINA 2.936 3.384 3.790 3.882 3.968 4.053 4.139 4.224

LOREO 1.772 1.981 2.081 2.130 2.161 2.192 2.223 2.254

ADRIA 10.019 10.992 11.684 11.897 12.064 12.230 12.397 12.563

CEREGNANO 1.973 2.127 2.203 2.239 2.262 2.285 2.308 2.331

ROVIGO 29.789 30.647 32.762 32.850 33.147 33.444 33.742 34.039

TOTALI 67.471 69.967 76.866 77.072 78.011 78.951 79.890 80.830


Pag

ina8

0

LOCALITA' DI

ATTRAZIONE E

GENERAZIONE

Fattore di

accelerazione

per LAVORO

2001: FALi

= (Ri*/Ci)*Mi*Li

Fattore di

accelerazione

per LAVORO

2002: FALi

= (Ri*/Ci)*Mi*Li

Fattore di

accelerazione

per LAVORO

2003: FALi

= (Ri*/Ci)*Mi*Li

Fattore di

accelerazione

per LAVORO

2004: FALi

= (Ri*/Ci)*Mi*Li

Fattore di

accelerazione

per LAVORO

2005: FALi

= (Ri*/Ci)*Mi*Li

Fattore di

accelerazione

per LAVORO

2006: FALi

= (Ri*/Ci)*Mi*Li

CHIOGGIA 2,16% 1,93% 2,29% 2,68% 3,08% 3,38%

ROSOLINA 4,27% 4,63% 5,33% 6,05% 6,78% 7,53%

LOREO 0,62% 0,00% 0,09% 0,18% 0,28% 0,39%

ADRIA 4,24% 4,52% 5,18% 5,87% 6,56% 7,26%

CEREGNANO 2,39% 2,75% 3,17% 3,61% 4,06% 4,52%

ROVIGO 1,81% 1,80% 2,11% 2,45% 2,79% 3,16%

LOCALITA' DI

ATTRAZIONE E

GENERAZIONE

Fattore di

conversione per

LAVORO 2001:

FLi =

Pi+(Ri*/Ci)*Mi*Li

Fattore di

conversione

per LAVORO

2002: FLi =

Pi+(Ri*/Ci)*Mi*Li

Fattore di

conversione

per LAVORO

2003: FLi =

Pi+(Ri*/Ci)*Mi*Li

Fattore di

conversione

per LAVORO

2004: FLi =

Pi+(Ri*/Ci)*Mi*Li

Fattore di

conversione

per LAVORO

2005: FLi =

Pi+(Ri*/Ci)*Mi*Li

Fattore di

conversione

per LAVORO

2006: FLi =

Pi+(Ri*/Ci)*Mi*Li

CHIOGGIA 1,71% 1,44% 1,76% 2,10% 2,46% 2,83%

ROSOLINA 5,69% 6,20% 7,04% 7,89% 8,77% 9,66%

LOREO 0,51% -0,12% -0,05% 0,03% 0,12% 0,22%

ADRIA 3,04% 3,19% 3,74% 4,30% 4,87% 5,45%

CEREGNANO 1,21% 1,46% 1,76% 2,07% 2,40% 2,74%

ROVIGO -0,74% -1,02% -0,97% -0,90% -0,82% -0,73%

LOCALITA' DI

ATTRAZIONE E

GENERAZIONE

Fattore di

accelerazione

per STUDIO

2001: FASi

= (Ri*/Ci)*Mi*Si

Fattore di

accelerazione

per STUDIO

2002: FASi

= (Ri*/Ci)*Mi*Si

Fattore di

accelerazione

per STUDIO

2003: FASi

= (Ri*/Ci)*Mi*Si

Fattore di

accelerazione

per STUDIO

2004: FASi

= (Ri*/Ci)*Mi*Si

Fattore di

accelerazione

per STUDIO

2005: FASi

= (Ri*/Ci)*Mi*Si

Fattore di

accelerazione

per STUDIO

2006: FASi

= (Ri*/Ci)*Mi*Si

CHIOGGIA -7,02% -7,42% -9,13% -11,04% -13,17% -15,51%

ROSOLINA -6,42% -7,86% -9,40% -11,09% -12,94% -14,94%

LOREO -5,16% -6,68% -8,10% -9,68% -11,44% -13,38%

ADRIA -1,06% -1,37% -1,68% -2,01% -2,38% -2,77%

CEREGNANO -8,97% -12,02% -15,09% -18,67% -22,83% -27,64%

ROVIGO -1,82% -2,12% -2,59% -3,12% -3,70% -4,34%

LOCALITA' DI

ATTRAZIONE E

GENERAZIONE

Fattore di

conversione per

STUDIO 2001:

FSi =

Pi+(Ri*/Ci)*Mi*Si

Fattore di

conversione

per STUDIO

2002: FSi =

Pi+(Ri*/Ci)*Mi*S

i

Fattore di

conversione

per STUDIO

2003: FSi =

Pi+(Ri*/Ci)*Mi*S

i

Fattore di

conversione

per STUDIO

2004: FSi =

Pi+(Ri*/Ci)*Mi*S

i

Fattore di

conversione

per STUDIO

2005: FSi =

Pi+(Ri*/Ci)*Mi*S

i

Fattore di

conversione

per STUDIO

2006: FSi =

Pi+(Ri*/Ci)*Mi*S

i

CHIOGGIA -7,47% -7,90% -9,66% -11,62% -13,79% -16,18%

ROSOLINA -5,00% -6,29% -7,69% -9,24% -10,95% -12,82%

LOREO -5,27% -6,80% -8,23% -9,83% -11,60% -13,55%

ADRIA -2,26% -2,70% -3,12% -3,58% -4,07% -4,58%

CEREGNANO -10,15% -13,32% -16,50% -20,20% -24,49% -29,42%

ROVIGO -4,37% -4,94% -5,67% -6,46% -7,31% -8,22%

1991 = INDICE ZERO


Pag

ina8

1

(b-a)/b

a = 1991

(b-a)/b

a = 1991

(b-a)/b

a = 1991

anno £.*1.000/addetto/anno anno £.*1.000/addetto/anno anno £.*1.000/abitante

1991 24.822L. 0,00% 1991 25.433L. 0,00% 1991 28.371L. 0,00%

1992 26.426L. 6,07% 1992 26.796L. 5,09% 1992 30.271L. 6,27%

1993 27.606L. 10,08% 1993 28.228L. 9,90% 1993 31.760L. 10,67%

1994 29.921L. 17,04% 1994 30.460L. 16,50% 1994 33.702L. 15,82%

1995 33.001L. 24,78% 1995 33.206L. 23,41% 1995 37.080L. 23,49%

1996 35.094L. 29,27% 1996 31.142L. 18,33% 1996 39.341L. 27,88%

1997 36.214L. 31,46% 1997 32.519L. 21,79% 1997 41.217L. 31,17%

1998 36.642L. 32,26% 1998 32.828L. 22,53% 1998 42.808L. 33,72%

1999 37.894L. 34,50% 1999 33.978L. 25,15% 1999 45.314L. 37,39%

2000 40.735L. 39,06% 2000 35.638L. 28,64% 2000 47.480L. 40,25%

2001 42.490L. 41,58% 2001 36.664L. 30,63% 2001 49.645L. 42,85%

2002 44.246L. 43,90% 2002 37.690L. 32,52% 2002 51.811L. 45,24%

2003 46.001L. 46,04% 2003 38.715L. 34,31% 2003 53.977L. 47,44%

2004 47.757L. 48,02% 2004 39.741L. 36,00% 2004 56.142L. 49,47%

2005 49.512L. 49,87% 2005 40.767L. 37,61% 2005 58.308L. 51,34%

2006 51.267L. 51,58% 2006 41.792L. 39,14% 2006 60.474L. 53,09%

Reddito Interno Lordo al costo dei

fattori - REDDITO PRO CAPITE -

Venezia * (£. correntix1.000)

Reddito Interno Lordo al costo

dei fattori -REDDITO PRO CAPITE

- Rovigo* (£. correntix1.000)

PIL VENETO a prezzi di

mercato per abitante (in lire

correnti x 1.000)


Pag

ina8

2

COMUNI CHIOGGIA ROSOLINA LOREO ADRIA CEREGNANO ROVIGO Totali COMUNI CHIOGGI

A

ROSOLIN

ALOREO ADRIA CEREGNAN

OROVIGO Totali

CHIOGGIA 121 25 21 1 26 194 CHIOGGIA 2 0 97 0 16 115

ROSOLINA 113 81 48 5 61 308 ROSOLINA 20 0 183 0 58 261

LOREO 35 103 57 3 36 234 LOREO 3 4 145 0 25 177

ADRIA 33 55 44 108 422 662 ADRIA 2 0 3 5 96 106

CEREGNAN

O

1 1 2 78 424 506 CEREGNANO 0 0 1 36 222 259

ROVIGO 18 18 18 299 261 614 ROVIGO 0 0 0 97 16 113

Totali 200 298 170 503 378 969 2.518 Totali 25 6 4 558 21 417 1.031

Tabella 52 Tabella 59


A

ROSOLIN


OROVIGO Totali

CHIOGGIA 0 123 25 21 1 26 197 CHIOGGIA 0 2 0 90 0 15 106

ROSOLINA 119 0 86 51 5 64 326 ROSOLINA 19 0 0 174 0 55 248

LOREO 35 104 0 57 3 36 235 LOREO 3 4 0 137 0 24 168

ADRIA 34 57 45 0 111 435 682 ADRIA 2 0 3 0 5 94 104

CEREGNAN

O

1 1 2 79 0 429 512 CEREGNANO 0 0 1 32 0 199 233

ROVIGO 18 18 18 297 259 0 609 ROVIGO 0 0 0 93 15 0 108

Totali 207 302 176 505 380 991 2.562 Totali 24 6 4 526 20 387 966



A

ROSOLIN


OROVIGO Totali



LOREO 35 103 0 57 3 36 234 LOREO 3 4 0 135 0 23 165

ADRIA 34 57 45 0 111 435 683 ADRIA 2 0 3 0 5 93 103

CEREGNAN 1 1 2 79 0 430 513 CEREGNANO 0 0 1 31 0 192 225

ROVIGO 18 18 18 296 258 0 608 ROVIGO 0 0 0 92 15 0 107

Totali 208 301 177 504 379 993 2.562 Totali 23 6 4 519 20 378 951



A

ROSOLIN

A

LOREO ADRIA CEREGNAN

O

ROVIGO Totali



LOREO 35 103 0 57 3 36 234 LOREO 3 4 0 133 0 23 162

ADRIA 34 57 46 0 112 438 687 ADRIA 2 0 3 0 5 93 103


ROVIGO 18 18 18 296 258 0 608 ROVIGO 0 0 0 91 15 0 107

Totali 209 302 178 505 380 997 2.571 Totali 23 5 4 511 20 369 933


MATRICE ORIGINE-DESTINAZIONE PER STUDIO (GENERAZIONE/ATTRAZIONE)


G

E

N

E

R

A

Z

I

O

N

E

MATRICE ORIGINE-DESTINAZIONE PER LAVORO (GENERAZIONE/ATTRAZIONE) DELLE


G

E

N

E

R

A

Z

I

O

N

E

G

E

N

E

R

A

Z

I

O

N

E



G

E

N

E

R

A

Z

I

O

N

E



G

E

N

E

R

A

Z

I

O

N

E

ATTRAZIONE ATTRAZIONE



G

E

N

E

R

A

Z

I

O

N

E

ATTRAZIONE



ATTRAZIONE



ATTRAZIONE

G

E

N

E

R

A

Z

I

O

N

E

ATTRAZIONE

ATTRAZIONE



G

E

N

E

R

A

Z

I

O

N

E

ATTRAZIONE


Pag

ina8

3


A

ROSOLIN

A


O

ROVIGO Totali



LOREO 35 103 0 57 3 36 234 LOREO 3 4 0 133 0 23 162

ADRIA 34 57 46 0 112 438 687 ADRIA 2 0 3 0 5 93 103


ROVIGO 18 18 18 296 258 0 608 ROVIGO 0 0 0 91 15 0 107

Totali 209 302 178 505 380 997 2.571 Totali 23 5 4 511 20 369 933



A

ROSOLIN

A


O

ROVIGO Totali



LOREO 35 103 0 57 3 36 234 LOREO 3 4 0 131 0 23 160

ADRIA 34 57 46 0 113 440 690 ADRIA 2 0 3 0 5 93 102

CEREGNAN

O1 1 2 80 0 433 516 CEREGNANO 0 0 1 29 0 177 207

ROVIGO 18 18 18 296 259 0 608 ROVIGO 0 0 0 91 15 0 106

Totali 210 303 179 506 381 1.001 2.580 Totali 23 5 4 502 20 359 913



A

ROSOLIN


OROVIGO Totali



LOREO 35 103 0 57 3 36 234 LOREO 3 4 0 128 0 22 156

ADRIA 35 58 46 0 113 443 694 ADRIA 2 0 3 0 5 92 102

CEREGNAN

O

1 1 2 80 0 434 518 CEREGNANO 0 0 1 27 0 168 196

ROVIGO 18 18 18 297 259 0 609 ROVIGO 0 0 0 90 15 0 105

Totali 211 304 180 507 382 1.006 2.589 Totali 22 5 4 492 20 347 890



A

ROSOLIN

A


O

ROVIGO Totali



LOREO 35 103 0 57 3 36 235 LOREO 3 3 0 125 0 22 153

ADRIA 35 58 46 0 114 445 698 ADRIA 2 0 3 0 5 92 101

CEREGNAN

O

1 1 2 80 0 436 520 CEREGNANO 0 0 1 25 0 157 183

ROVIGO 18 18 18 297 259 0 610 ROVIGO 0 0 0 89 15 0 104

Totali 213 305 181 508 383 1.010 2.599 Totali 22 5 4 481 19 334 865




G

E

N

E

R

A

Z

I

O

N

E

ATTRAZIONE

G

E

N

E

R

A

Z

I

O

N

E

ATTRAZIONE



G

E

N

E

R

A

Z

I

O

N

E



G

E

N

E

R

A

Z

I

O

N

E

ATTRAZIONE



ATTRAZIONE



ATTRAZIONE

ATTRAZIONE



G

E

N

E

R

A

Z

I

O

N

E

ATTRAZIONE



G

E

N

E

R

A

Z

I

O

N

E

G

E

N

E

R

A

Z

I

O

N

E

ATTRAZIONE



G

E

N

E

R

A

Z

I

O

N

E


Pag

ina8

4

LOCALITA' TIPOLOGIA DI FLUSSO LAVORO STUDIO LAVORO STUDIO LAVORO STUDIO

CHIOGGIA monodirezionale 394 140 6 90- 1,03 0,22

ROSOLINA bidirezionale 606 267 10- 255- 0,97 0,02

LOREO bidirezionale 404 181 64- 173- 0,73 0,02

ADRIA bidirezionale 1.165 664 159- 452 0,76 5,26

CEREGNANO bidirezionale 884 280 128- 238- 0,75 0,08

ROVIGO monodirezionale 1.583 530 355 304 1,58 3,69

Tabella 66








Tabella 67

MODULO = SALDO

ASSOLUTO

ENTRATA+USCITA: D=(Ej+Uj)

MODULO = SALDO

ASSOLUTO


O-D ANNO 1991

SALDI DI FLUSSO

O-D ANNO 2001

SALDI DI FLUSSO

DIREZIONE = SALDO

ASSOLUTO ENTRATA-

USCITA: D=(Ej-Uj)

DIREZIONE = SALDO

PROPORZIONALE


TABELLA RIASSUNTIVA DEI SALDI DI FLUSSO (mono-biflusso uni-bidirezionali) INTRAAREA DI ENTRATA E USCITA DELLE LOCALITA'

IN VALORE ASSOLUTO E PROPORZIONALE (da matrici O/D)



DIREZIONE = SALDO

ASSOLUTO ENTRATA-

USCITA: D=(Ej-Uj)

DIREZIONE = SALDO

PROPORZIONALE



Pag

ina8

5








Tabella 68








Tabella 69

MODULO = SALDO

ASSOLUTO


MODULO = SALDO

ASSOLUTO




O-D ANNO 2003

SALDI DI FLUSSO

DIREZIONE = SALDO

ASSOLUTO ENTRATA-

USCITA: D=(Ej-Uj)

DIREZIONE = SALDO

PROPORZIONALE




O-D ANNO 2002

SALDI DI FLUSSO

DIREZIONE = SALDO

ASSOLUTO ENTRATA-

USCITA: D=(Ej-Uj)

DIREZIONE = SALDO

PROPORZIONALE





Pag

ina8

6








Tabella 70








Tabella 71

DIREZIONE = SALDO

PROPORZIONALE


MODULO = SALDO

ASSOLUTO


MODULO = SALDO

ASSOLUTO




O-D ANNO 2005

SALDI DI FLUSSO

DIREZIONE = SALDO

ASSOLUTO ENTRATA-

USCITA: D=(Ej-Uj)



O-D ANNO 2004

SALDI DI FLUSSO

DIREZIONE = SALDO

ASSOLUTO ENTRATA-

USCITA: D=(Ej-Uj)

DIREZIONE = SALDO

PROPORZIONALE









Tabella 72

SALDO PROPORZIONALE: > 1 = SALDO FAVOREVOLE ALL'ENTRATA: < 1 = SALDO FAVOREVOLE ALL'USCITA; SALDO

PROPORZIONALE = 0: ESCONO TUTTI; SALDO PROPORZIONALE TENDENTE AD INFINITO: ENTRANO TUTTI

O-D ANNO 2006

SALDI DI FLUSSO

DIREZIONE = SALDO

PROPORZIONALE


MODULO = SALDO

ASSOLUTO


DIREZIONE = SALDO ASSOLUTO > 0 = SALDO FAVOREVOLE ALL'ENTRATA; < 0 = SALDO FAVOREVOLE ALL'USCITA

DIREZIONE = SALDO

ASSOLUTO ENTRATA-

USCITA: D=(Ej-Uj)

NOTE: MAX TEORICO DI ATZ = 400% (1/1*100%+1/1*100%+1/1*100%+1/1*100%); MIN TEORICO DI ATZ TENDENTE A 0




Pag

ina8

7

Appendice statistica BestSubsets2

OUTPUT RIEPILOGO

X2 X3

Statistica della regressione

R multiplo 0,997346264

R al quadrato 0,99469957

R al quadrato corretto 0,99116595

Errore standard 706,0686117

Osservazioni 6

ANALISI VARIANZA

gdl SQ MQ F Significatività F

Regressione 2 280669945,3 140334972,7 281,4959194 0,000385893

Residuo 3 1495598,653 498532,8844

Totale 5 282165544

Coefficienti Errore standard Stat t Valore di significatività Inferiore 95% Superiore 95%

Intercetta 66067,31905 6287,484907 10,50774992 0,001840601 46057,71717 86076,92094

RIL al costo dei fattori-REDDITO PRO CAPITE-Rovigo e

Venezia 2001 -1,808465166 0,17378448 -10,4063675 0,001893743 -2,361525462 -1,255404871

POPOLAZIONE 2001 0,426265402 0,018529203 23,00505861 0,00017991 0,367297153 0,485233651

OUTPUT RIEPILOGO

X2




R al quadrato corretto -0,175442571


Osservazioni 6

ANALISI VARIANZA


Regressione 1 16830030 16830030 0,25371696 0,640945737

Residuo 4 265335514 66333878,5

Totale 5 282165544


Intercetta -21488,49949 57729,96487 -0,372224364 0,728607276 -181772,9099 138795,9109


Venezia 2001 0,771369722 1,531397163 0,503703246 0,640945737 -3,480479242 5,023218686


Pag

ina8

8

OUTPUT RIEPILOGO

X1 X3






Osservazioni 6

ANALISI VARIANZA


Regressione 2 277848589,5 138924294,7 96,54326447 0,001892388

Residuo 3 4316954,543 1438984,848

Totale 5 282165544


Intercetta 291,2722424 732,3016037 0,397749016 0,717427389 -2039,240477 2621,784962

UNITA' LOCALI 2001 7,655635863 1,283862779 5,962970491 0,009435636 3,569807674 11,74146405

POPOLAZIONE 2001 -0,258268131 0,09696056 -2,663641084 0,076101836 -0,566840197 0,050303934

OUTPUT RIEPILOGO

X1 X2 X3






Osservazioni 6

ANALISI VARIANZA


Regressione 3 281052771,7 93684257,24 168,3799251 0,005909693

Residuo 2 1112772,288 556386,1438

Totale 5 282165544


Intercetta 49844,85547 20654,28574 2,413293594 0,137227828 -39023,42533 138713,1363

UNITA' LOCALI 2001 2,04822731 2,469251835 0,82949308 0,494066557 -8,576113234 12,67256785


Venezia 2001 -1,362728767 0,567856984 -2,399774602 0,138471066 -3,806021869 1,080564335

POPOLAZIONE 2001 0,245743879 0,218507291 1,124648419 0,377576157 -0,694417767 1,185905526


Pag

ina8

9

OUTPUT RIEPILOGO

X1 X2






Osservazioni 6

ANALISI VARIANZA


Regressione 2 280349035,6 140174517,8 231,5010186 0,000516535

Residuo 3 1816508,437 605502,8122

Totale 5 282165544


Intercetta 27533,36068 5995,292433 4,592496695 0,019397734 8453,646531 46613,07483

UNITA' LOCALI 2001 4,814101673 0,230763634 20,86161322 0,000240905 4,07970811 5,548495236


Venezia 2001 -0,74888161 0,163454968 -4,581577532 0,019522726 -1,269068757 -0,228694462

OUTPUT RIEPILOGO

X1






Osservazioni 6

ANALISI VARIANZA


Regressione 1 267639015,2 267639015,2 73,69661935 0,001011478

Residuo 4 14526528,77 3631632,191

Totale 5 282165544


Intercetta 151,3757306 1160,360571 0,130455769 0,902503535 -3070,30837 3373,059831

UNITA' LOCALI 2001 4,342742691 0,505871619 8,584673515 0,001011478 2,938215001 5,747270381


Pag

ina9

0

BESTSUBSETS






Osservazioni 6

ANALISI VARIANZA


Regressione 3 281052771,7 93684257,24 168,3799251 0,005909693

Residuo 2 1112772,288 556386,1438

Totale 5 282165544


Intercetta 49844,85547 20654,28574 2,413293594 0,137227828 -39023,42533 138713,1363

UNITA' LOCALI 2001 2,04822731 2,469251835 0,82949308 0,494066557 -8,576113234 12,67256785

RIL al costo dei fattori-REDDITO PRO CAPITE-

Rovigo e Venezia 2001 -1,362728767 0,567856984 -2,399774602 0,138471066 -3,806021869 1,080564335

POPOLAZIONE 2001 0,245743879 0,218507291 1,124648419 0,377576157 -0,694417767 1,185905526

LOCALITA' DI ATTRAZIONE E GENERAZIONE

Y = ALUNNI

FREQUENTANT

I 2001 Fj

X1 = UNITA' LOCALI

2001

X2 = RIL al costo dei

fattori-REDDITO PRO

CAPITE-Rovigo e Venezia

2001

X3 = POPOLAZIONE

2001

CHIOGGIA 2.771 3.235 42.490 51.755

ROSOLINA 149 692 36.664 6.003

LOREO 92 240 36.664 3.714

ADRIA 4.189 1.578 36.664 20.637

CEREGNANO 60 220 36.664 3.942

ROVIGO 6.173 4.246 36.664 48.179

BESTSUBSETS

R 2T 0,964611572

1 - R 2T 0,035388428

n 6

T 4

n - T 2

Cp p+1 R Square Adj. R Square Std. Error

X1 11,04927362 2 0,769103359 0,711379199 1386,181982 No

X1X2 7,118156169 3 0,874049821 0,790083035 1182,170738 No

X1X2X3 4 4 0,964611572 0,91152893 767,4623451 Si

X1X3 10,10251131 3 0,821244002 0,702073337 1408,351698 No

X2 53,93902859 2 0,010202853 -0,237246434 2870,017474 No

X2X3 4,648088618 3 0,917755725 0,862926208 955,2865185 No

X3 18,9805858 2 0,628765023 0,535956279 1757,664113 No

OUTPUT RIEPILOGO

X3






Osservazioni 6

ANALISI VARIANZA


Regressione 1 20930097,46 20930097,46 6,774846802 0,059868111

Residuo 4 12357532,54 3089383,136

Totale 5 33287630


Intercetta 187,1299207 1065,991871 0,175545354 0,869179458 -2772,544122 3146,803963

X3 = POPOLAZIONE 2001 0,091717354 0,035237231 2,602853588 0,059868111 -0,006117087 0,189551796

Considero questo

modello?


Pag

ina9

1

OUTPUT RIEPILOGO

X2 X3






Osservazioni 6

ANALISI VARIANZA


Regressione 2 30549913 15274956,5 16,73835154 0,023586229

Residuo 3 2737716,997 912572,3323

Totale 5 33287630


Intercetta 27742,34757 8506,750572 3,261215588 0,0470883 670,0452408 54814,64989

X2 = RIL al costo dei fattori-REDDITO PRO CAPITE-

Rovigo e Venezia 2001 -0,763391739 0,235124417 -3,246756537 0,04760638 -1,511663275 -0,015120204

X3 = POPOLAZIONE 2001 0,144240507 0,025069374 5,753654198 0,010430812 0,064458497 0,224022517

OUTPUT RIEPILOGO

X2




R al quadrato corretto -0,237246434


Osservazioni 6

ANALISI VARIANZA


Regressione 1 339628,8 339628,8 0,041232098 0,849001531

Residuo 4 32948001,2 8237000,3

Totale 5 33287630


Intercetta -1884,958805 20343,14706 -0,092658171 0,930630392 -58366,70688 54596,78927


Rovigo e Venezia 2001 0,109577755 0,539640683 0,203056883 0,849001531 -1,388708083 1,607863592


Pag

ina9

2

OUTPUT RIEPILOGO

X1 X3






Osservazioni 6

ANALISI VARIANZA


Regressione 2 27337266,49 13668633,24 6,89132683 0,075577224

Residuo 3 5950363,513 1983454,504

Totale 5 33287630


Intercetta 10,87059104 859,7516073 0,012643874 0,990705753 -2725,245302 2746,986484

X1 = UNITA' LOCALI 2001 2,709090968 1,507306664 1,797305772 0,170138422 -2,087836057 7,506017992

X3 = POPOLAZIONE 2001 -0,10648701 0,113835607 -0,93544554 0,418565649 -0,468763056 0,255789035

OUTPUT RIEPILOGO

X1 X2 X3






Osservazioni 6

ANALISI VARIANZA


Regressione 3 32109633,1 10703211,03 18,17188315 0,052610207

Residuo 2 1177996,902 588998,4512

Totale 5 33287630


Intercetta 60486,91227 21250,98695 2,846310735 0,104450278 -30948,76838 151922,5929

X1 = UNITA' LOCALI 2001 -4,134286468 2,540588387 -1,627294877 0,245204924 -15,06556364 6,796990701


Rovigo e Venezia 2001 -1,663097526 0,584262341 -2,846491052 0,104439046 -4,176977234 0,850782181

X3 = POPOLAZIONE 2001 0,50861788 0,224819955 2,26233423 0,152044599 -0,458704986 1,475940746


Pag

ina9

3

OUTPUT RIEPILOGO

X1 X2






Osservazioni 6

ANALISI VARIANZA


Regressione 2 29095047,04 14547523,52 10,40947096 0,044699039

Residuo 3 4192582,959 1397527,653

Totale 5 33287630


Intercetta 14308,6506 9108,198657 1,570963825 0,214223874 -14677,72976 43295,03095

X1 = UNITA' LOCALI 2001 1,590263647 0,350581901 4,536068866 0,02005506 0,474554524 2,705972769


Rovigo e Venezia 2001 -0,392613638 0,248324888 -1,581048286 0,212005246 -1,182895002 0,397667725

OUTPUT RIEPILOGO

X1






Osservazioni 6

ANALISI VARIANZA


Regressione 1 25601628,05 25601628,05 13,32376869 0,021768129

Residuo 4 7686001,954 1921500,489

Totale 5 33287630


Intercetta -46,81039828 844,0385527 -0,055460024 0,958431614 -2390,24196 2296,621164

X1 = UNITA' LOCALI 2001 1,343145861 0,367967647 3,650173789 0,021768129 0,321501772 2,364789951


Pag

ina9

4

BESTSUBSETS






Osservazioni 6

ANALISI VARIANZA


Regressione 3 32109633,1 10703211,03 18,17188315 0,052610207

Residuo 2 1177996,902 588998,4512

Totale 5 33287630


Intercetta 60486,91227 21250,98695 2,846310735 0,104450278 -30948,76838 151922,5929

X1 = UNITA' LOCALI 2001 -4,134286468 2,540588387 -1,627294877 0,245204924 -15,06556364 6,796990701


Rovigo e Venezia 2001 -1,663097526 0,584262341 -2,846491052 0,104439046 -4,176977234 0,850782181

X3 = POPOLAZIONE 2001 0,50861788 0,224819955 2,26233423 0,152044599 -0,458704986 1,475940746


Pag

ina9

5

Elaborazioni con il programma statistico SPSS 10.1.3.ITA per Windows

Statistiche descrittive

POPOLAZIONE UNITA' LOCALI ISTRUZIONE VEICOLI LAVORO RIL/PIL Validi (listwise)

N Statistica 6 6 6 6 6 6 6

Errore std

Intervallo Statistica 48.041 19.662 6.113 31.785 4.026 ,117

Errore std

Minimo Statistica 3.714 938 60 2.254 220 ,739

Errore std

Massimo Statistica 51.755 20.600 6.173 34.039 4.246 ,856

Errore std

Somma Statistica 134.230 45.252 13.434 80.830 10.211 4,551

Errore std

Media Statistica 22.371,67 7.542,00 2.239,00 13.471,67 1.701,83 ,759

Errore std 9.106,96 3.066,84 1.053,37 5.483,46 687,78 ,020

Deviazione std. Statistica 22.307,408 7.512,197 2.580,218 13.431,675 1.684,712 ,048

Errore std

Varianza Statistica 497620437,467 56433108,800 6657526,000 180409897,467 2838253,767 ,002

Errore std

Asimmetria Statistica ,687 1,210 ,682 ,844 ,794 2,449

Errore std ,845 ,845 ,845 ,845 ,845 ,845


Pag

ina9

6

Curtosi Statistica -2,017 ,924 -1,245 -1,134 -1,223 6,000

Errore std 1,741 1,741 1,741 1,741 1,741 1,741

Regressione quadro 1 tabella 4 - U.L. addetti (dip.) e scuole alunni (indip.)


Media Deviazione std. N

ADDETTI 7.542,00 7.512,197 6

ALUNNIFR 2.239,00 2.580,218 6

Correlazioni

ADDETTI ALUNNIFR

Correlazione di Pearson ADDETTI 1,000 ,929

ALUNNIFR ,929 1,000

Sig. (1-coda) ADDETTI , ,004

ALUNNIFR ,004 ,

N ADDETTI 6 6

ALUNNIFR 6 6

Variabili inserite/rimosse(b)

Modello Variabili inserite Variabili rimosse Metodo

1 ALUNNIFR(a) , Per blocchi


Pag

ina9

7

a Tutte le variabili richieste sono state inserite

b Variabile dipendente: ADDETTI

Riepilogo del modello(b)

Modello

R R-quadrato R-quadrato

corretto

Errore std.

della stima Variazione dell'adattamento

Durbin-

Watson

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

1 ,929(a) ,864 ,830 3.098,920 ,864 25,382 1 4 ,007 1,515

a Stimatori: (Costante), ALUNNIFR


ANOVA(b)

Modello

Somma dei quadrati df Media dei quadrati F Sig.

1

Regressione 243752332,332 1 243752332,332 25,382 ,007(a)

Residuo 38413211,668 4 9603302,917

Totale 282165544,000 5

a Stimatori: (Costante), ALUNNIFR


Coefficienti(a)

Modell

Coefficienti non Coefficienti t Sig. Intervallo di Correlazioni Statistiche di


Pag

ina9

8

o standardizzati standardizzat

i

confidenza per B

al 95%

collinearità

B Errore

std. Beta

Limite

inferior

e

Limite

superior

e

Ordine

zero Parziali

Parziali

indipendent

i

Tolleranz

a VIF B

Error

e std.

1

(Costante) 1483,19

4

1745,51

1 ,850 ,443

-

3363,12

2

6329,51

0

ALUNNIF

R 2,706 ,537 ,929 5,038 ,007 1,215 4,197 ,929 ,929

,92

9

1,00

0 1,000

a Variabile dipendente: ADDETTI

Coefficienti di correlazione(a)

Modello

ALUNNIFR

1 Correlazioni ALUNNIFR 1,000

Covarianze ALUNNIFR ,288


Diagnostiche di collinearità(a)

Modello Dimensione Autovalore Indice di collinearità Variabilità spiegata

(Costante) ALUNNIFR (Costante) ALUNNIFR

1 1 1,689 1,000 ,16 ,16

2 ,311 2,330 ,84 ,84



Pag

ina9

9

Diagnostiche per casi(a)

Numero di caso CENTROID Residuo std. ADDETTI Valore atteso Residuo

1 CHIOGGIA ,744 11.287 8.981,61 2.305,39

2 ROSOLINA ,218 2.563 1.886,39 676,61

3 LOREO -,256 938 1.732,15 -794,15

4 ADRIA -1,644 7.725 12.818,76 -5.093,76

5 CEREGNANO ,159 2.139 1.645,56 493,44

6 ROVIGO ,778 20.600 18.187,53 2.412,47


Statistiche dei residui(a)

Minimo Massimo Media Deviazione std. N

Valore atteso 1.645,56 18.187,53 7.542,00 6.982,153 6

Valore atteso std. -,845 1,525 ,000 1,000 6

Errore standard dei valori attesi 1.296,997 2.462,802 1.754,816 382,186 6

Valore atteso corretto 1.424,58 14.808,51 7.076,15 6.282,342 6

Residuo -5.093,76 2.412,47 ,00 2.771,758 6

Residuo std. -1,644 ,778 ,000 ,894 6

Residuo stud. -1,938 1,283 ,051 1,119 6

Residuo cancellato -7.083,51 6.548,41 465,85 4.523,559 6


Pag

ina1

00

Residuo studentizzato per cancellazione -6,814 1,448 -,744 3,032 6

Distanza di Mahal. ,043 2,325 ,833 ,773 6

Distanza di Cook ,008 1,410 ,376 ,580 6

Valore d'influenza ,009 ,465 ,167 ,155 6


Regressione quadro 2 tabella 4 - U.L. addetti (dip.) e popolazione (indip.)



ADDETTI 7.542,00 7.512,197 6

ABITANTI 22.371,67 22.307,408 6

Correlazioni

ADDETTI ABITANTI


ABITANTI ,896 1,000


ABITANTI ,008 ,

N ADDETTI 6 6

ABITANTI 6 6


Pag

ina1

01



1 ABITANTI(a) , Per blocchi




Modello


corretto

Errore std.


Durbin-

Watson

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

1 ,896(a) ,803 ,754 3.724,344 ,803 16,342 1 4 ,016 1,008

a Stimatori: (Costante), ABITANTI


ANOVA(b)

Modello


1

Regressione 226682580,652 1 226682580,652 16,342 ,016(a)

Residuo 55482963,348 4 13870740,837

Totale 282165544,000 5




Pag

ina1

02

Coefficienti(a)

Modello

Coefficienti non

standardizzati

Coefficienti

standardizzati t Sig.

Intervallo di

confidenza per B al

95%

Correlazioni Statistiche di

collinearità

B Errore

std. Beta

Limite

inferiore

Limite

superiore

Ordine

zero Parziali

Parziali

indipendenti Tolleranza VIF B

Errore

std.

1 (Costante) 789,365 2258,748

,349 ,744

-

5481,926 7060,655

ABITANTI ,302 ,075 ,896 4,043 ,016 ,095 ,509 ,896 ,896 ,896 1,000 1,000



Modello

ABITANTI

1 Correlazioni ABITANTI 1,000

Covarianze ABITANTI 5,575E-03




(Costante) ABITANTI (Costante) ABITANTI

1 1 1,740 1,000 ,13 ,13

2 ,260 2,584 ,87 ,87


Pag

ina1

03




1 CHIOGGIA -1,376 11.287 16.411,03 -5.124,03

2 ROSOLINA -,010 2.563 2.601,30 -38,30

3 LOREO -,261 938 1.910,39 -972,39

4 ADRIA ,190 7.725 7.018,41 706,59

5 CEREGNANO ,043 2.139 1.979,21 159,79

6 ROVIGO 1,415 20.600 15.331,65 5.268,35




Valore atteso 1.910,39 16.411,03 7.542,00 6.733,240 6




Residuo -5.124,03 5.268,35 ,00 3.331,155 6

Residuo std. -1,376 1,415 ,000 ,894 6

Residuo stud. -1,973 1,881 -,026 1,230 6


Pag

ina1

04

Residuo cancellato -10.536,12 9.313,76 -266,50 6.325,704 6



Distanza di Cook ,000 2,055 ,573 ,905 6



Regressione quadro 3 tabella 4 - scuole alunni (dip.) e popolazione (indip.)



ALUNNIFR 2.239,00 2.580,218 6

ABITANTI 22.371,67 22.307,408 6

Correlazioni

ALUNNIFR ABITANTI

Correlazione di Pearson ALUNNIFR 1,000 ,793

ABITANTI ,793 1,000

Sig. (1-coda) ALUNNIFR , ,030

ABITANTI ,030 ,

N ALUNNIFR 6 6

ABITANTI 6 6


Pag

ina1

05



1 ABITANTI(a) , Per blocchi


b Variabile dipendente: ALUNNIFR


Modello


corretto

Errore std.


Durbin-

Watson

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

1 ,793(a) ,629 ,536 1.757,664 ,629 6,775 1 4 ,060 1,615



ANOVA(b)

Modello


1

Regressione 20930097,457 1 20930097,457 6,775 ,060(a)

Residuo 12357532,543 4 3089383,136

Totale 33287630,000 5



Pag

ina1

06


Coefficienti(a)

Modello

Coefficienti non

standardizzati

Coefficienti


Intervallo di

confidenza per B al

95%


collinearità

B Errore

std. Beta

Limite

inferiore

Limite

superiore

Ordine

zero Parziali

Parziali


Errore

std.

1

(Costante) 187,130 1065,992

,176 ,869 -

2772,538 3146,798

ABITANTI 9,172E-

02 ,035 ,793 2,603 ,060 -,006 ,190 ,793 ,793 ,793 1,000 1,000

a Variabile dipendente: ALUNNIFR


Modello

ABITANTI

1 Correlazioni ABITANTI 1,000

Covarianze ABITANTI 1,242E-03




(Costante) ABITANTI (Costante) ABITANTI

1 1 1,740 1,000 ,13 ,13


Pag

ina1

07

2 ,260 2,584 ,87 ,87



Numero di caso CENTROID Residuo std. ALUNNIFR Valore atteso Residuo

1 CHIOGGIA -1,231 2.771 4.933,96 -2.162,96

2 ROSOLINA -,335 149 737,71 -588,71

3 LOREO -,248 92 527,77 -435,77

4 ADRIA 1,200 4.189 2.079,90 2.109,10

5 CEREGNANO -,278 60 548,68 -488,68

6 ROVIGO ,892 6.173 4.605,98 1.567,02




Valore atteso 527,77 4.933,96 2.239,00 2.045,976 6


Errore standard dei valori attesi 720,162 1.259,732 999,988 189,161 6

Valore atteso corretto 720,43 7.218,52 2.452,94 2.543,295 6

Residuo -2.162,96 2.109,10 ,00 1.572,103 6

Residuo std. -1,231 1,200 ,000 ,894 6


Pag

ina1

08

Residuo stud. -1,765 1,315 -,048 1,148 6

Residuo cancellato -4.447,52 2.770,29 -213,94 2.651,393 6



Distanza di Cook ,020 1,644 ,405 ,639 6



Regressione quadro 4 tabella 4 - U.L. addetti (dip.) e U.L. (indip.)



ADDETTI 7.542,00 7.512,197 6

UNITÀLOC 1.701,83 1.684,712 6

Correlazioni

ADDETTI UNITÀLOC


UNITÀLOC ,974 1,000


UNITÀLOC ,001 ,

N ADDETTI 6 6


Pag

ina1

09

UNITÀLOC 6 6



1 UNITÀLOC(a) , Per blocchi




Modello


corretto

Errore std.


Durbin-

Watson

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

1 ,974(a) ,949 ,936 1.905,684 ,949 73,697 1 4 ,001 ,516

a Stimatori: (Costante), UNITÀLOC


ANOVA(b)

Modello


1

Regressione 267639015,235 1 267639015,235 73,697 ,001(a)

Residuo 14526528,765 4 3631632,191

Totale 282165544,000 5


Pag

ina1

10



Coefficienti(a)

Modello

Coefficienti non

standardizzati

Coefficienti


Intervallo di

confidenza per B al

95%


collinearità

B Errore

std. Beta

Limite

inferiore

Limite

superiore

Ordine

zero Parziali

Parziali


Errore

std.

1 (Costante) 151,376 1160,361

,130 ,903

-

3070,302 3373,053

UNITÀLOC 4,343 ,506 ,974 8,585 ,001 2,938 5,747 ,974 ,974 ,974 1,000 1,000



Modello

UNITÀLOC

1 Correlazioni UNITÀLOC 1,000

Covarianze UNITÀLOC ,256




(Costante) UNITÀLOC (Costante) UNITÀLOC


Pag

ina1

11

1 1 1,742 1,000 ,13 ,13

2 ,258 2,598 ,87 ,87




1 CHIOGGIA -1,529 11.287 14.200,15 -2.913,15

2 ROSOLINA -,311 2.563 3.156,55 -593,55

3 LOREO -,134 938 1.193,63 -255,63

4 ADRIA ,378 7.725 7.004,22 720,78

5 CEREGNANO ,542 2.139 1.106,78 1.032,22

6 ROVIGO 1,054 20.600 18.590,66 2.009,34




Valore atteso 1.106,78 18.590,66 7.542,00 7.316,270 6


Errore standard dei valori attesi 780,510 1.503,894 1.077,902 241,672 6

Valore atteso corretto 617,90 15.649,98 7.175,84 6.775,869 6

Residuo -2.913,15 2.009,34 ,00 1.704,496 6


Pag

ina1

12

Residuo std. -1,529 1,054 ,000 ,894 6

Residuo stud. -1,871 1,717 ,066 1,198 6

Residuo cancellato -4.362,98 5.326,66 366,16 3.175,408 6



Distanza di Cook ,006 2,433 ,575 ,970 6



Regressione quadro 5 tabella 4 - popolazione (dip.) U.L. (indip.)



ABITANTI 22.371,67 22.307,408 6

UNITÀLOC 1.701,83 1.684,712 6

Correlazioni

ABITANTI UNITÀLOC

Correlazione di Pearson ABITANTI 1,000 ,969

UNITÀLOC ,969 1,000

Sig. (1-coda) ABITANTI , ,001

UNITÀLOC ,001 ,


Pag

ina1

13

N ABITANTI 6 6

UNITÀLOC 6 6



1 UNITÀLOC(a) , Per blocchi


b Variabile dipendente: ABITANTI


Modello


corretto

Errore std.


Durbin-

Watson

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

1 ,969(a) ,938 ,923 6.185,901 ,938 61,022 1 4 ,001 1,569



ANOVA(b)

Modello


1 Regressione 2335040678,367 1 2335040678,367 61,022 ,001(a)

Residuo 153061508,966 4 38265377,242


Pag

ina1

14

Totale 2488102187,333 5



Coefficienti(a)

Modell

o

Coefficienti non

standardizzati

Coefficienti

standardizzat

i

t Sig.

Intervallo di

confidenza per B al

95%


collinearità

B Errore

std. Beta

Limite

inferior

e

Limite

superior

e

Ordine

zero Parziali

Parziali

indipendent

i

Tolleranz

a VIF B

Error

e std.

1

(Costante) 541,67

2

3766,56

1 ,144 ,893

-

9915,97

9

10999,32

2

UNITÀLO

C 12,827 1,642 ,969 7,812 ,001 8,268 17,386 ,969 ,969

,96

9

1,00

0 1,000

a Variabile dipendente: ABITANTI


Modello

UNITÀLOC

1 Correlazioni UNITÀLOC 1,000

Covarianze UNITÀLOC 2,696



Pag

ina1

15



(Costante) UNITÀLOC (Costante) UNITÀLOC

1 1 1,742 1,000 ,13 ,13

2 ,258 2,598 ,87 ,87



Numero di caso CENTROID Residuo std. ABITANTI Valore atteso Residuo

1 CHIOGGIA 1,571 51.755 42.038,12 9.716,88

2 ROSOLINA -,552 6.003 9.418,19 -3.415,19

3 LOREO ,015 3.714 3.620,23 93,77

4 ADRIA -,024 20.637 20.783,21 -146,21

5 CEREGNANO ,093 3.942 3.363,69 578,31

6 ROVIGO -1,104 48.179 55.006,56 -6.827,56




Valore atteso 3.363,69 55.006,56 22.371,67 21.610,371 6



Pag

ina1

16



Residuo -6.827,56 9.716,88 ,00 5.532,838 6

Residuo std. -1,104 1,571 ,000 ,894 6

Residuo stud. -1,797 1,922 -,067 1,209 6

Residuo cancellato -18.099,53 14.552,85 -1.202,96 10.503,204 6

Residuo studentizzato per cancellazione -3,546 6,034 ,334 3,119 6


Distanza di Cook ,000 2,666 ,609 1,071 6



Regressione multipla quadro 6 tabella 4 - popolazione (dip.) e U.L. addetti+scuole alunni (indip.)



ABITANTI 22.371,67 22.307,408 6

ADDETTI 7.542,00 7.512,197 6

ALUNNIFR 2.239,00 2.580,218 6

Correlazioni

ABITANTI ADDETTI ALUNNIFR


Pag

ina1

17

Correlazione di Pearson

ABITANTI 1,000 ,896 ,793

ADDETTI ,896 1,000 ,929

ALUNNIFR ,793 ,929 1,000

Sig. (1-coda)

ABITANTI , ,008 ,030

ADDETTI ,008 , ,004

ALUNNIFR ,030 ,004 ,

N

ABITANTI 6 6 6

ADDETTI 6 6 6

ALUNNIFR 6 6 6



1 ALUNNIFR, ADDETTI(a) , Per blocchi




Modello


corretto

Errore std.


Durbin-

Watson

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

1 ,903(a) ,815 ,692 12.380,435 ,815 6,616 2 3 ,079 1,291


Pag

ina1

18

a Stimatori: (Costante), ALUNNIFR, ADDETTI


ANOVA(b)

Modello


1

Regressione 2028276708,184 2 1014138354,092 6,616 ,079(a)

Residuo 459825479,150 3 153275159,717

Totale 2488102187,333 5

a Stimatori: (Costante), ALUNNIFR, ADDETTI


Coefficienti(a)

Modell

o

Coefficienti non

standardizzati

Coefficienti

standardizzat

i

t Sig.

Intervallo di

confidenza per B al

95%

Correlazioni

Statistiche

di

collinearità

B Errore

std. Beta

Limite

inferior

e

Limite

superior

e

Ordine

zero Parziali

Parziali

indipendent

i

Tolleranz

a

VI

F B

Error

e std.

1

(Costante) 1868,28

6

7576,73

7 ,247 ,821

-

22244,27

3

25980,84

5

ADDETTI 3,475 1,998 1,170 1,740 ,180 -2,882 9,832 ,896 ,709 ,43

2

,13

6 7,346

ALUNNIF -2,548 5,816 -,295 -,438 ,691 -21,056 15,961 ,793 -,245 - ,13 7,346


Pag

ina1

19

R ,10

9

6



Modello

ALUNNIFR ADDETTI

1

Correlazioni ALUNNIFR 1,000 -,929

ADDETTI -,929 1,000

Covarianze ALUNNIFR 33,823 -10,798

ADDETTI -10,798 3,990




(Costante) ADDETTI ALUNNIFR (Costante) ADDETTI

1

1 2,601 1,000 ,05 ,01 ,01

2 ,365 2,669 ,86 ,02 ,04

3 3,409E-02 8,735 ,09 ,98 ,95




1 CHIOGGIA 1,432 51.755 34.029,85 17.725,15


Pag

ina1

20

2 ROSOLINA -,355 6.003 10.394,91 -4.391,91

3 LOREO -,095 3.714 4.893,37 -1.179,37

4 ADRIA ,210 20.637 18.039,35 2.597,65

5 CEREGNANO -,421 3.942 9.148,29 -5.206,29

6 ROVIGO -,771 48.179 57.724,23 -9.545,23




Valore atteso 4.893,37 57.724,23 22.371,67 20.140,887 6

Residuo -9.545,23 17.725,15 ,00 9.589,843 6


Residuo std. -,771 1,432 ,000 ,775 6


Regressione multipla quadro 7 tabella 4 - U.L. addetti (dip.) e scuole alunni+popolazione (indip.)



ADDETTI 7.542,00 7.512,197 6

ALUNNIFR 2.239,00 2.580,218 6

ABITANTI 22.371,67 22.307,408 6


Pag

ina1

21

Correlazioni

ADDETTI ALUNNIFR ABITANTI


ADDETTI 1,000 ,929 ,896

ALUNNIFR ,929 1,000 ,793

ABITANTI ,896 ,793 1,000

Sig. (1-coda)

ADDETTI , ,004 ,008

ALUNNIFR ,004 , ,030

ABITANTI ,008 ,030 ,

N

ADDETTI 6 6 6

ALUNNIFR 6 6 6

ABITANTI 6 6 6



1 ABITANTI, ALUNNIFR(a) , Per blocchi




Modello R R-quadrato R-quadrato

corretto

Errore std.


Durbin-

Watson


Pag

ina1

22

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

1 ,966(a) ,932 ,887 2.524,746 ,932 20,633 2 3 ,018 1,680

a Stimatori: (Costante), ABITANTI, ALUNNIFR


ANOVA(b)

Modello


1

Regressione 263042520,836 2 131521260,418 20,633 ,018(a)

Residuo 19123023,164 3 6374341,055

Totale 282165544,000 5

a Stimatori: (Costante), ABITANTI, ALUNNIFR


Coefficienti(a)

Modello

Coefficienti non

standardizzati

Coefficienti


Intervallo di

confidenza per B al

95%

Correlazioni

Statistiche

di

collinearità

B Errore

std. Beta

Limite

inferiore

Limite

superiore

Ordine

zero Parziali

Parziali


Errore

std.

1 (Costante) 468,376 1537,100

,305 ,780

-

4423,362 5360,115

ALUNNIFR 1,715 ,718 ,589 2,388 ,097 -,570 4,001 ,929 ,810 ,359 ,371 2,694


Pag

ina1

23

ABITANTI ,145 ,083 ,429 1,740 ,180 -,120 ,409 ,896 ,709 ,261 ,371 2,694



Modello

ABITANTI ALUNNIFR

1

Correlazioni ABITANTI 1,000 -,793

ALUNNIFR -,793 1,000

Covarianze ABITANTI 6,901E-03 -4,731E-02

ALUNNIFR -4,731E-02 ,516




(Costante) ALUNNIFR ABITANTI (Costante) ALUNNIFR

1

1 2,553 1,000 ,05 ,03 ,02

2 ,347 2,713 ,90 ,12 ,04

3 9,979E-02 5,059 ,05 ,85 ,93




1 CHIOGGIA -,560 11.287 12.700,85 -1.413,85


Pag

ina1

24

2 ROSOLINA ,385 2.563 1.591,48 971,52

3 LOREO -,089 938 1.162,91 -224,91

4 ADRIA -1,153 7.725 10.636,19 -2.911,19

5 CEREGNANO ,395 2.139 1.140,97 998,03

6 ROVIGO 1,022 20.600 18.019,60 2.580,40




Valore atteso 1.140,97 18.019,60 7.542,00 7.253,172 6

Residuo -2.911,19 2.580,40 ,00 1.955,660 6


Residuo std. -1,153 1,022 ,000 ,775 6


Regressione multipla quadro 8 tabella 4 - scuole alunni (dip.) e popolazione+U.L. addetti (indip.)



ALUNNIFR 2.239,00 2.580,218 6

ABITANTI 22.371,67 22.307,408 6

ADDETTI 7.542,00 7.512,197 6


Pag

ina1

25

Correlazioni

ALUNNIFR ABITANTI ADDETTI


ALUNNIFR 1,000 ,793 ,929

ABITANTI ,793 1,000 ,896

ADDETTI ,929 ,896 1,000

Sig. (1-coda)

ALUNNIFR , ,030 ,004

ABITANTI ,030 , ,008

ADDETTI ,004 ,008 ,

N

ALUNNIFR 6 6 6

ABITANTI 6 6 6

ADDETTI 6 6 6



1 ADDETTI, ABITANTI(a) , Per blocchi




Modello R R-quadrato R-quadrato

corretto

Errore std.


Durbin-

Watson


Pag

ina1

26

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

1 ,934(a) ,872 ,787 1.191,526 ,872 10,223 2 3 ,046 2,286

a Stimatori: (Costante), ADDETTI, ABITANTI


ANOVA(b)

Modello


1

Regressione 29028423,808 2 14514211,904 10,223 ,046(a)

Residuo 4259206,192 3 1419735,397

Totale 33287630,000 5

a Stimatori: (Costante), ADDETTI, ABITANTI


Coefficienti(a)

Modello

Coefficienti non

standardizzati

Coefficienti


Intervallo di

confidenza per B al

95%

Correlazioni

Statistiche

di

collinearità

B Errore

std. Beta

Limite

inferiore

Limite

superiore

Ordine

zero Parziali

Parziali


Errore

std.

1 (Costante)

-

114,445 733,589

-,156 ,886

-

2449,051 2220,161

ABITANTI - ,054 -,204 -,438 ,691 -,195 ,148 ,793 -,245 - ,197 5,086


Pag

ina1

27

2,360E-

02

,090

ADDETTI ,382 ,160 1,112 2,388 ,097 -,127 ,891 ,929 ,810 ,493 ,197 5,086



Modello

ADDETTI ABITANTI

1

Correlazioni ADDETTI 1,000 -,896

ABITANTI -,896 1,000

Covarianze ADDETTI 2,559E-02 -7,724E-03

ABITANTI -7,724E-03 2,902E-03




(Costante) ABITANTI ADDETTI (Costante) ABITANTI

1

1 2,626 1,000 ,05 ,01 ,01

2 ,327 2,834 ,95 ,04 ,04

3 4,696E-02 7,478 ,00 ,95 ,95





Pag

ina1

28

1 CHIOGGIA -,172 2.771 2.976,34 -205,34

2 ROSOLINA -,482 149 723,08 -574,08

3 LOREO -,054 92 156,27 -64,27

4 ADRIA 1,544 4.189 2.349,85 1.839,15

5 CEREGNANO -,461 60 609,73 -549,73

6 ROVIGO -,374 6.173 6.618,74 -445,74




Valore atteso 156,27 6.618,74 2.239,00 2.409,499 6

Residuo -574,08 1.839,15 ,00 922,952 6


Residuo std. -,482 1,544 ,000 ,775 6


Regressione multipla quadro 9 tabella 4 - popolazione (dip.) e U.L.+RIL (indip.)



ABITANTI 22.371,67 22.307,408 6

UNITÀLOC 1.701,83 1.684,712 6


Pag

ina1

29

RIL 37.635 2.378 6

Correlazioni

ABITANTI UNITÀLOC RIL


ABITANTI 1,000 ,969 ,645

UNITÀLOC ,969 1,000 ,446

RIL ,645 ,446 1,000

Sig. (1-coda)

ABITANTI , ,001 ,083

UNITÀLOC ,001 , ,188

RIL ,083 ,188 ,

N

ABITANTI 6 6 6

UNITÀLOC 6 6 6

RIL 6 6 6



1 RIL, UNITÀLOC(a) , Per blocchi




Modello R R-quadrato R-quadrato Errore std. Variazione dell'adattamento Durbin-


Pag

ina1

30

corretto della stima Watson

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

1 ,998(a) ,995 ,992 1.970,886 ,995 318,769 2 3 ,000 1,810

a Stimatori: (Costante), RIL, UNITÀLOC


ANOVA(b)

Modello


1

Regressione 2476449007,727 2 1238224503,863 318,769 ,000(a)

Residuo 11653179,606 3 3884393,202

Totale 2488102187,333 5

a Stimatori: (Costante), RIL, UNITÀLOC


Coefficienti(a)

Modell

o

Coefficienti non

standardizzati

Coefficienti

standardizzat

i

t Sig.

Intervallo di

confidenza per B al

95%

Correlazioni

Statistiche

di

collinearità

B Errore

std. Beta

Limite

inferior

e

Limite

superior

e

Ordine

zero Parziali

Parziali

indipendent

i

Tolleranz

a

VI

F B

Error

e std.

1 (Costante) - 15184,96

-5,979 ,009 - -


Pag

ina1

31

90791,66

0

8 139117,00

6

42466,31

5

UNITÀLO

C 11,255 ,584 ,850 19,257 ,000 9,395 13,115 ,969 ,996

,76

1

,80

1 1,248

RIL 2,498 ,414 ,266 6,034 ,009 1,180 3,815 ,645 ,961 ,23

8

,80

1 1,248



Modello

RIL UNITÀLOC

1

Correlazioni RIL 1,000 -,446

UNITÀLOC -,446 1,000

Covarianze RIL ,171 -,108

UNITÀLOC -,108 ,342




(Costante) UNITÀLOC RIL (Costante) UNITÀLOC

1

1 2,671 1,000 ,00 ,04 ,00

2 ,327 2,857 ,00 ,78 ,00

3 1,367E-03 44,213 1,00 ,18 1,00



Pag

ina1

32



1 CHIOGGIA ,000 51.755 51.755,00 ,00

2 ROSOLINA -1,308 6.003 8.580,41 -2.577,41

3 LOREO ,112 3.714 3.493,10 220,90

4 ADRIA 1,058 20.637 18.552,43 2.084,57

5 CEREGNANO ,342 3.942 3.267,99 674,01

6 ROVIGO -,204 48.179 48.581,07 -402,07




Valore atteso 3.267,99 51.755,00 22.371,67 22.255,107 6

Residuo -2.577,41 2.084,57 ,00 1.526,642 6


Residuo std. -1,308 1,058 ,000 ,775 6


Regressione multipla quadro 10 tabella 4 - scuole alunni (dip.) e RIL+popolazione (indip.)




Pag

ina1

33

ALUNNIFR 2.239,00 2.580,218 6

RIL 37.635 2.378 6

ABITANTI 22.371,67 22.307,408 6

Correlazioni

ALUNNIFR RIL ABITANTI


ALUNNIFR 1,000 ,101 ,793

RIL ,101 1,000 ,645

ABITANTI ,793 ,645 1,000

Sig. (1-coda)

ALUNNIFR , ,425 ,030

RIL ,425 , ,083

ABITANTI ,030 ,083 ,

N

ALUNNIFR 6 6 6

RIL 6 6 6

ABITANTI 6 6 6



1 ABITANTI, RIL(a) , Per blocchi



Pag

ina1

34



Modello


corretto

Errore std.


Durbin-

Watson

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

1 ,958(a) ,918 ,863 955,287 ,918 16,738 2 3 ,024 2,218

a Stimatori: (Costante), ABITANTI, RIL


ANOVA(b)

Modello


1

Regressione 30549913,003 2 15274956,501 16,738 ,024(a)

Residuo 2737716,997 3 912572,332

Totale 33287630,000 5

a Stimatori: (Costante), ABITANTI, RIL


Coefficienti(a)

Modello

Coefficienti non

standardizzati

Coefficienti


Intervallo di

confidenza per B

al 95%

Correlazioni

Statistiche

di

collinearità


Pag

ina1

35

B Errore

std. Beta

Limite

inferiore

Limite

superiore

Ordine

zero Parziali

Parziali


Errore

std.

1

(Costante) 27742,348 8506,751

3,261 ,047 670,071 54814,624

RIL -,763 ,235 -,704 -3,247 ,048 -1,512 -,015 ,101 -,882 -

,538 ,584 1,714

ABITANTI ,144 ,025 1,247 5,754 ,010 ,064 ,224 ,793 ,958 ,953 ,584 1,714



Modello

ABITANTI RIL

1

Correlazioni ABITANTI 1,000 -,645

RIL -,645 1,000

Covarianze ABITANTI 6,285E-04 -3,804E-03

RIL -3,804E-03 5,528E-02




(Costante) RIL ABITANTI (Costante) RIL

1

1 2,673 1,000 ,00 ,00 ,03

2 ,326 2,865 ,00 ,00 ,58

3 1,007E-03 51,514 1,00 1,00 ,39



Pag

ina1

36



1 CHIOGGIA ,000 2.771 2.771,00 ,00

2 ROSOLINA -,492 149 619,23 -470,23

3 LOREO -,206 92 289,06 -197,06

4 ADRIA 1,527 4.189 2.730,04 1.458,96

5 CEREGNANO -,274 60 321,95 -261,95

6 ROVIGO -,555 6.173 6.702,72 -529,72




Valore atteso 289,06 6.702,72 2.239,00 2.471,838 6

Residuo -529,72 1.458,96 ,00 739,962 6


Residuo std. -,555 1,527 ,000 ,775 6


Regressione multipla quadro 11 tabella 4 - scuole alunni (dip.) e U.L.+RIL+popolazione (indip.)




Pag

ina1

37

ALUNNIFR 2.239,00 2.580,218 6

UNITÀLOC 1.701,83 1.684,712 6

RIL 37.635 2.378 6

ABITANTI 22.371,67 22.307,408 6

Correlazioni

ALUNNIFR UNITÀLOC RIL ABITANTI


ALUNNIFR 1,000 ,877 ,101 ,793

UNITÀLOC ,877 1,000 ,446 ,969

RIL ,101 ,446 1,000 ,645

ABITANTI ,793 ,969 ,645 1,000

Sig. (1-coda)

ALUNNIFR , ,011 ,425 ,030

UNITÀLOC ,011 , ,188 ,001

RIL ,425 ,188 , ,083

ABITANTI ,030 ,001 ,083 ,

N

ALUNNIFR 6 6 6 6

UNITÀLOC 6 6 6 6

RIL 6 6 6 6

ABITANTI 6 6 6 6


Pag

ina1

38



1 ABITANTI, RIL, UNITÀLOC(a) , Per blocchi




Modello


corretto

Errore std.


Durbin-

Watson

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

1 ,982(a) ,965 ,912 767,462 ,965 18,172 3 2 ,053 2,933

a Stimatori: (Costante), ABITANTI, RIL, UNITÀLOC


ANOVA(b)

Modello


1

Regressione 32109633,098 3 10703211,033 18,172 ,053(a)

Residuo 1177996,902 2 588998,451

Totale 33287630,000 5




Pag

ina1

39

Coefficienti(a)

Modell

o

Coefficienti non

standardizzati

Coefficienti

standardizza

ti

t Sig.

Intervallo di

confidenza per B al

95%

Correlazioni

Statistiche

di

collinearità

B Errore

std. Beta

Limite

inferior

e

Limite

superior

e

Ordine

zero Parziali

Parziali

indipendent

i

Tolleranz

a

VI

F B

Errore

std.

1

(Costante) 60486,91

2

21250,98

7 2,846 ,104

-

30948,70

5

151922,52

9

UNITÀLO

C -4,134 2,541 -2,699 -1,627 ,245 -15,066 6,797 ,877 -,755

-

,21

6

,00

6

155,51

6

RIL -1,663 ,584 -1,533 -2,846 ,104 -4,177 ,851 ,101 -,896

-

,37

9

,06

1 16,393

ABITANTI ,509 ,225 4,397 2,262 ,152 -,459 1,476 ,793 ,848 ,30

1

,00

5

213,51

3



Modello

ABITANTI RIL UNITÀLOC

1 Correlazioni ABITANTI 1,000 -,961 -,996

RIL -,961 1,000 ,946


Pag

ina1

40

UNITÀLOC -,996 ,946 1,000

Covarianze

ABITANTI 5,054E-02 -,126 -,569

RIL -,126 ,341 1,405

UNITÀLOC -,569 1,405 6,455




(Costante) UNITÀLOC RIL ABITANTI (Costante) UNITÀLOC

1

1 3,494 1,000 ,00 ,00 ,00 ,00

2 ,491 2,667 ,00 ,00 ,00 ,00

3 1,521E-02 15,157 ,00 ,09 ,00 ,06

4 9,717E-05 189,612 1,00 ,91 1,00 ,93




1 CHIOGGIA ,000 2.771 2.771,00 ,00

2 ROSOLINA ,581 149 -296,59 445,59

3 LOREO -,412 92 407,88 -315,88

4 ADRIA ,919 4.189 3.483,55 705,45

5 CEREGNANO -,712 60 606,53 -546,53


Pag

ina1

41

6 ROVIGO -,376 6.173 6.461,63 -288,63




Valore atteso -296,59 6.461,63 2.239,00 2.534,152 6

Residuo -546,53 705,45 ,00 485,386 6

Valore atteso std. -1,001 1,666 ,000 1,000 6

Residuo std. -,712 ,919 ,000 ,632 6


Regressione multipla quadro 12 tabella 4 - U.L. addetti (dip.) e U.L.+RIL+popolazione (indip.)



ADDETTI 7.542,00 7.512,197 6

UNITÀLOC 1.701,83 1.684,712 6

RIL 37.635 2.378 6

ABITANTI 22.371,67 22.307,408 6

Correlazioni

ADDETTI UNITÀLOC RIL ABITANTI


Pag

ina1

42


ADDETTI 1,000 ,974 ,244 ,896

UNITÀLOC ,974 1,000 ,446 ,969

RIL ,244 ,446 1,000 ,645

ABITANTI ,896 ,969 ,645 1,000

Sig. (1-coda)

ADDETTI , ,001 ,320 ,008

UNITÀLOC ,001 , ,188 ,001

RIL ,320 ,188 , ,083

ABITANTI ,008 ,001 ,083 ,

N

ADDETTI 6 6 6 6

UNITÀLOC 6 6 6 6

RIL 6 6 6 6

ABITANTI 6 6 6 6



1 ABITANTI, RIL, UNITÀLOC(a) , Per blocchi




Modello R R-quadrato R-quadrato Errore std. Variazione dell'adattamento Durbin-


Pag

ina1

43

corretto della stima Watson

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

Variazione di R-

quadrato

Variazione

di F df1 df2

Sig.

variazione di

F

1 ,998(a) ,996 ,990 745,913 ,996 168,380 3 2 ,006 1,970



ANOVA(b)

Modello


1

Regressione 281052771,712 3 93684257,237 168,380 ,006(a)

Residuo 1112772,288 2 556386,144

Totale 282165544,000 5



Coefficienti(a)

Modell

o

Coefficienti non

standardizzati

Coefficienti

standardizza

ti

t Sig.

Intervallo di

confidenza per B al

95%

Correlazioni

Statistiche

di

collinearità

B Errore

std. Beta

Limite

inferior

e

Limite

superior

e

Ordine

zero Parziali

Parziali

indipendent

i

Tolleranz

a

VI

F B

Errore

std.

1 (Costante) 49844,85 20654,28

2,413 ,137 - 138713,07


Pag

ina1

44

5 6 39023,36

3

4

UNITÀLO

C 2,048 2,469 ,459 ,829 ,494 -8,576 12,673 ,974 ,506

,03

7

,00

6

155,51

6

RIL -1,363 ,568 -,431 -2,400 ,138 -3,806 1,081 ,244 -,862

-

,10

7

,06

1 16,393

ABITANTI ,246 ,219 ,730 1,125 ,378 -,694 1,186 ,896 ,622 ,05

0

,00

5

213,51

3



Modello

ABITANTI RIL UNITÀLOC

1

Correlazioni

ABITANTI 1,000 -,961 -,996

RIL -,961 1,000 ,946

UNITÀLOC -,996 ,946 1,000

Covarianze

ABITANTI 4,775E-02 -,119 -,537

RIL -,119 ,322 1,327

UNITÀLOC -,537 1,327 6,097





Pag

ina1

45

(Costante) UNITÀLOC RIL ABITANTI (Costante) UNITÀLOC

1

1 3,494 1,000 ,00 ,00 ,00 ,00

2 ,491 2,667 ,00 ,00 ,00 ,00

3 1,521E-02 15,157 ,00 ,09 ,00 ,06

4 9,717E-05 189,612 1,00 ,91 1,00 ,93




1 CHIOGGIA ,000 11.287 11.287,00 ,00

2 ROSOLINA -,283 2.563 2.774,34 -211,34

3 LOREO -,467 938 1.286,04 -348,04

4 ADRIA -,617 7.725 8.185,29 -460,29

5 CEREGNANO 1,123 2.139 1.301,10 837,90

6 ROVIGO ,244 20.600 20.418,24 181,76




Valore atteso 1.286,04 20.418,24 7.542,00 7.497,370 6

Residuo -460,29 837,90 ,00 471,757 6


Pag

ina1

46


Residuo std. -,617 1,123 ,000 ,632 6


Date post:	18-Feb-2019
Category:	Documents
Upload:	buiminh
View:	215 times
Download:	0 times

Linea Ferroviaria Rovigo-Chioggia Analisi della domanda · internazionali, denunciano effetti che...

Documents