Analisi di stabilità Elezioni Europee 1994-2004/ Elezioni Politiche 2008
EUR04
‘Como’
‘Gorizia’
‘Caserta’
‘Bari’
‘Cosenza’
‘Ragusa’
‘Trapani’
EUR99
‘Savona’
‘Rovigo’
‘Venezia’
‘Forlì-Cesena’
‘Piacenza’
‘Arezzo’
‘Massa-Carrara’
‘Pistoia’
‘Prato’
‘Pesaro e Urbino’
EUR04
‘Rovigo’
‘Lucca’
‘Reggio Calabria’
CAM08
‘Torino’
‘Gorizia’
‘Trieste’
‘Genova’
‘La Spezia’
‘Rimini’
‘Grosseto’
‘Lucca’
‘Massa Carrara’
‘Pistoia’
‘Ascoli’
‘Macerata’
‘Fermo’
‘Roma’
‘Rieti’
‘Chieti’
‘Teramo’
‘Taranto’
‘Matera’
‘Potenza’
‘Cosenza’
‘Crotone’
‘Vibo Valentia’
‘Enna’
‘Sassari’
‘Carbonia iglesias’
‘Medio Campidano’
‘Ogliastra’
Mostriamo ora le densità di distribuzione dei coefficienti di correlazione per ogni provincia, per data elezione.
Cosa intendiamo per densità di distribuzione? Data una serie di misure o osservazioni si calcola quante volte un certo valore ricade in un intervallo arbitrario. Per esempio, data una serie numerica 1,2,3,4,5,6, una denistà di distribuzione potrebbe mostrare quanti valori ricadono tra i seguenti intervalli 0-3 e 3,1-6. Chiaramente 1,2 e 3 ricadono nel primo intervallo, mentre 4,5 e 6 nel secondo. Perciò la frequenza dei valori sarà di 3 per il primo intervallo e di nuovo 3 per il secondo.
La nostra previsione perciò risulta piuttosto corretta: come notate infatti la maggior parte delle province ricade nell’intervallo più prossimo ad 1, laddove si misura il più alto grado di correlazione con il dato nazionale. Ovviamente si osservano province molto scorrelate, ma questo è logico e prevedibile, specie perchè vi sono partiti (la Lega per esempio) che a causa della loro territorialità sbilanciano i rapporti.
In questo file .zip che vi alleghiamo, sono contenuti tutti i dati di dispersione, provincia per provincia, per elezione dei primi 5 partiti per numero di voti.
http://www.fileshost.com/download.php?id=78D90FC31
Sempre in merito alle dispersioni, mostriamo la densità di distribuzione delle dispersioni per elezione. Ricordiamo che più il valore di dispersione è prossimo a zero, più abbiamo che il dato provinciale rispecchia quello nazionale.
Per chi fosse interessato all’aspetto più statistitico e formale, diamo di seguito i valori di regressione tramite una densità di distribuzione test “t-location”
EUR94
Distribution: t location-scale
Log likelihood: -22.3992
Domain: -Inf < y < Inf
Mean: 0.0524236
Variance: 0.0724119
Parameter Estimate Std. Err.
mu 0.0524236 0.0109012
sigma 0.201697 0.00984724
nu 4.5642 0.794857
Estimated covariance of parameter estimates:
| Indicatore | Mu | Sigma | Nu |
| Mu | 0.000118836 | 6.2186e-006 | 0.000592683 |
| Sigma | 6.2186e-006 | 9.69681e-005 | 0.0042663 |
| Nu | 0.000592683 | 0.0042663 | 0.631797 |
(per continuare la lettura cliccare su “3”)
