Compiti ed esercitazioni VERIFICATO
assigment 2
Università degli Studi di Roma - La Sapienza statistical methods and applications Curriculum quantitative economics 2020
29 visualizzazioni
Nessun voto ancora
Stai vedendo l'anteprima delle prime pagine. Registrati per sbloccare le pagine restanti.
Di cosa parla
- L'approccio basato sui modelli gerarchici differisce dai metodi tradizionali per la costruzione di indicatori compositi poiché utilizza l'analisi fattoriale per stimare i pesi delle variabili in base al loro grado di correlazione, evitando così le distorsioni derivanti dall'applicazione indiscriminata di pesi uguali che possono penalizzare dimensioni con meno variabili manifeste.
- Nella costruzione dell'indicatore composito tramite l'Hierarchical Disjoint Factor Analysis (HDFA), la proprietà fondamentale da garantire è l'affidabilità, misurata attraverso il coefficiente alfa di Cronbach, che valuta la coerenza interna e la capacità degli indicatori individuali di misurare adeguatamente il fenomeno latente sottostante.
- L'analisi dei risultati del modello HDFA ha rivelato una violazione della proprietà di non compensabilità dovuta a carichi negativi su alcune dimensioni (come Giustizia e Sicurezza), indicando che l'aumento delle variabili in quelle aree riduceva erroneamente il punteggio generale dell'indicatore composito.
- Per risolvere le incongruenze emerse durante la conferma del modello, è stato necessario invertire la polarità di tutte le variabili appartenenti alle dimensioni con carichi negativi sull'indicatore composito generale, assicurando così che tutti i contributi siano positivi e coerenti con l'obiettivo dell'indice.
- Il criterio per determinare il numero ottimale di gruppi o fattori nel modello è basato sulla funzione di discrepanza al convergenza (fhdfaC), la quale misura quanto bene il modello strutturale si adatta ai dati osservati, minimizzando gli errori tra i valori teorici e quelli empirici.
Registrati e sblocca subito 3 appunti gratis, questo incluso.