Vai al contenuto| Home page|

   Ti trovi in: HOME »Programmi, progetti e risultati »I progetti »PRIN - Programmi di ricerca di Rilevante Interesse Nazionale»Programma di ricerca
INIZIO_TESTO_DA_INDICIZZARE

PROGRAMMA DI RICERCA

italiano - english
Unità di Ricerca
Programmi di ricerca simili:
Classificazione scientifico-disciplinare
Classificazione geografica
Bibliografia
Blandford D., Boisvert R.N. (2004). Multifunctional agriculture – A view from the United States. 90th European Seminar of EAAE: Multifunctional agriculture, policies and markets. Rennes (France), October 2004.

Bohman, M., J. Cooper, D. Mullarkey, M. A. Normile, D. Skully, S. Vogel, and E. Young. (1999). The Use and Abuse of Multifunctionality. Economic Research Service/USDA ,1-25.http://www.ers.usda.gov/Briefing/WTO/PDF/multifunc1119.pdf (11/04/2004).

Chand N., Alexander C. H. (2001) - Small Area Estimation with Administrative Records and Continuos Measurement, Preceedings of the Annual Meeting of the American Statistical Association (ASA), Chicago

D’Orazio M., Di Zio M., Scanu M. (2002), "Statistical Matching and Official Statistics", Rivista di statistica ufficiale, n.1,

Datta G.S. e Ghosh M. (1991) "Bayesian prediction in linear models: Application to small area estimation", Ann. Statist., 19, 1748-1770.

Estevao M. V. Särndal C. E. (1999) - The Use of Auxiliary Information in Desig- Based Estimation for Domains, Survey Methodology, 25, 2, pp.213-221

FAO (1999). Multiples fonctions de l’agriculture et des terres: l’analyse. FAO, Maastricht.

Fuller W. A. (1999) – Small Area Statistics for Agriculture from a National Survey – in Proc. ISI 1999, Helsinki.

Gaulden T.W., Sandusky J.D., Vacca A. (1993), "1992 Census of agriculture frame development and record linkage", Proceedings of the Survey Research Methods Section, ASA, vol I, 280-285.

Ghosh M., Rao J.N.K. (1994). “Small Area Estimation: An Appraisal (with discussion)”. Statistical Science, 9, 65-93

Glebe T., (2003) Multifunctionality: how “green” is the “European Model of Agriculture?”, Discussion Paper 01-2003, Environmental Economics, Resource Economics and Agricultural Policy Research Group.

Hediger W. (2004) On the economics of multifunctionality and sustainability of agricultural systems. 90th European Seminar of EAAE: Multifunctional agriculture, policies and markets. Rennes (France), October 2004.

Hentschel J., Lanjouw J.O., Lanjouw P., Poggi J. (2000). “Combining Census and Survey Data to Trace the Spatial Dimensions of Poverty: A Case Study of Ecuador”. The World Bank Economic Review, vol. 14, n°1: 147-165.

Hervieu B. (2002). The multifunctionality of agriculture: origin and principles of a new approach to agricultural activities. Cahiers Agricultures, Numéro 11, vol. 6, 415-9.

Huber P.J. (1964). "Robust Estimation of a location parameter". Ann. Math. Statistic, 35, 73-101.

Huylenbroeck G. V. (2003). Multifunctional agriculture: how to provide incentives to farmers ?, 13th International IFMA Congress of Farm Management, August 2003, Australia.

Mugglin, A. S., B. P. Carlin, and A. E. Gelfand (2000). “Fully model based approaches for spatially misaligned data”, Journal of the American Statistical Association 95, 877–887.

Mukhopadhyay P., Maiti T. (2004). Two-stage Nonparametric Approach for Small-area Estimation. Proceeding "Joint Statistical Meetings", Toronto, Canada.

OECD (2001). Multifunctionality; towards and analytical framework. Agriculture and food. Paris, France.

Opsomer J. (2004). Nonparametric Small-area Estimation Using Penalized Splines. Proceeding "Joint Statistical Meetings", Toronto, Canada.

Paggiaro A. e Torelli N. (1999) “Una procedura per l’abbinamento di record nella rilevazione trimestrale delle forze di lavoro”, working paper n. 15, ottobre 1999, Dipartimento di Scienze Statistiche, Università di Padova.

Parker D.C., Manson S.M. Janssen M.A. Hoffmann M.J. Deadman P. (2003) Multi Agent System for the simulation on land use and land cover Change. Annals of American Geographers Vol. 2.

Petrucci A., Salvati N. (2004), Small area estimation using spatial information. The Rathbun Lake Watershed case study, preprint, 2

Pfeffermann D. (2002) "Small area eestimation–new developments and directions", International Statistical Review, 70, 125-143.

Pratesi M., Salvati N. (2005). Small area estimation: EBLUP estimator with autoregressive random area effects. Dipartimento di Statistica e Matematica applicata, vol. 261,Pisa.

Raessler S. ,Fleischer K. (1999) "An Evaluation of Data Fusion Techniques", Proceedings of Statistics Canada Symposium 99, pp. 129-145.

Raessler, S. (2002) "Statistical Matching: frequentist theory, practical applications and alternative bayesian approaches”, Springer-Verlag, New York

Randall A. (2002): “Valuing the outputs of multifunctional agriculture” in European Review of Agricultural Economics 29(3): 289-307

Rao J. N. K. (2000) - Small Area Estimation: with Applications to Agriculture – Caesar, Rome

Rao J. N. K. (2002), “Small area estimation with applications to Agriculture”, Proceedings of the Conference on agricultural and environmental statistical appications in Rome, Vol. III, 555-564.

Rao J.N.K. (2003). Small Area Estimation. Wiley, New York.

Russo C., Sabbatini M., Salvatore R. (2004), General linear models in small area estimation: an assessment in agricultural surveys, Proceedings of Third International Conference on Agricultural Statistics, Mexico

Scmidt M, Poschl H. (2002), “Multiple use of data within the system of agricultural statistics in the Federal, Republic of Germany”, Proceedings of the Conference on agricultural and environmental statistical appications in Rome, Vol. III, 476-485.

Singh A. C., Mantel H. J., Thomas B. W. (1994) – Time Series EBLUP’s for Small Area Using Survey Data - Survey Methodology, vol. 20 n°1, pp.33-43

Singh, R., Goel, R.C. (2000) “Use of remote sensing satellite data in crop surveys”, Technical Report, Indian Agricultural Statistics Research Institute, New Delhi.

Torelli N. (1999). “Integrazione di dati mediante tecniche di abbinamento esatto: sviluppi metodologici e aspetti applicative” Atti della XXXIX Riunione Scientifica della Società Italiana di Statistica.

Trevisani M., Torelli N. (2004). “Small area estimation by hierarchical bayesian models: some practical and theoretical issues”. Atti della XLII Riunione Scientifica, Società Italiana di Statistica. Bari, 9-11 Giugno 2004 (pp. 273-276). Cleup Editrice, Padova.

Vatn, A. (2002). Multifunctional agriculture-some consequence for international trade regimes. European Review of agricultural Economics, 29(3), 309-405.

Wakefield J. (2003) "Sensitivity analyses for ecological regression", Biometrics, 59, 9-17.

Winkler W.E. (1995) "Matching and Record Linkage", in B. Cox, Business Survey Methods, Wiley, New York, pp. 355-385.
Parole Chiave
INDAGINI CAMPIONARIE; STIMA PER PICCOLE AREE; AZIENDE AGRARIE; MULTIFUNZIONALITÀ; MANCATA RISPOSTA; CALIBRAZIONE; CENSIMENTI

L'informazione statistica in agricultura: necessita' attuali e sviluppi futuri.

Università degli Studi di Firenze
Abstract
La ricerca si propone di realizzare alcuni importanti obiettivi:
(i) individuare soluzioni organizzative per migliorare l'efficienza del sistema delle statistiche agrarie riducendo i costi di rilevazione e incrementando la capacità informativa.
(ii) Individuare metodologie innovative di indagine e di integrazione delle fonti statistiche con quelle di carattere amministrativo per mettere nella massima evidenza il carattere di multifunzionalità delle aziende agricole;
(iii) Studiare gli aspetti teorici delle operazione di matching tra le varie fonti di informazione in campo agricolo anche al fine di produrre frame ottimali per la selezione di campioni.
(iv) Individuare procedure di stima per valorizzare i risultati che si possono ottenere dalle indagini campionarie correnti in agricoltura con particolare riferimento alla stima per piccole aree
(v) Migliorare la qualità dei dati delle indagini proponendo innovazioni metodologiche che consentano di trattare i problemi della non risposta congiuntamente con quelli di stima per piccole aree.
(vi) Valutare nuove metodologie di calibrazione, sia per migliorare l'efficienza delle stime, sia come punto di partenza per affrontare in modo unificato il problema della non risposta e quello della stima per piccole aree. <<<

Coordinatore Scientifico del Programma di Ricerca
Andrea GIOMMI Università degli Studi di FIRENZE
Obiettivo del Programma di Ricerca
Gli obiettivi del programma di ricerca sono molteplici. Da un lato vi sono obiettivi più strettamente collegati agli strumenti statistici adeguati ad investigare problemi di natura economico sociale in agricoltura e tra questi i principali sono: (a) l'obiettivo di individuare soluzioni organizzative per migliorare l'efficienza del sistema delle statistiche agrarie riducendo i costi di rilevazione e incrementando la capacità informativa. In questo contesto è di primaria importanza l'individuazione di un criterio di definizione dell'azienda agraria che consenta al tempo stesso di ridurre i costi di rilevazione (sia a livello censuario che di indagini campionarie) che di mantenere una adeguata capacità informativa.
(b) l'individuazione di metodologie innovative per l'integrazione delle fonti statistiche agrarie al fine di realizzare indicatori agro-ambientali e socioeconomici per l'analisi di scenario nella applicazione di politiche agricole comunitarie, e, più in generale, indicatori in grado di mettere in luce le caratteristiche di multifunzionalità delle aziende agricole.
L'obiettivo di fondo di carattere statistico è rappresentato dalla formulazione di proposte che possano portare al superamento del censimento agricolo che oltre ad essere molto oneroso ha mostrato molti limiti nei suoi contenuti informativi, dovuti soprattutto ai tempi necessari per rendere noti i risultati e alla qualità dei dati stessi. I principali obiettivi di carattere statistico sono rappresentati da (a) proposte per il miglioramento delle basi di dati necessarie per effettuare indagini campionarie e (b) per il miglioramento della qualità ed efficacia delle indagini correnti (SPA e RICA/REA).
Riguardo al punto (a) l'obiettivo è quello di valutare la possibilità di integrazione di dati statistici e amministrativi per la creazione di basi di dati utili alla selezione di campioni, attraverso l'analisi delle metodologie di matching esatto.
Riguardo al punto (b), tre temi principali sono obiettivo di studio.
(1) i metodi di stima per piccole aree, sotto diversi approcci che vanno da quello bayesiano a quello basato su modelli con componenti di correlazione spaziale;
(2) la stima per piccole aree in presenza di non risposta, un tema che nella letteratura ha ricevuto fino ad ora un'attenzione limitata nonostante la sua ricorrenza nella pratica;
(3) gli stimatori calibrati come strumento per migliorare la precisione delle stime e come punto di partenza per unificare il trattamento della non risposta a quello della stima per piccole aree. <<<
Durata
24 mesi
Base di partenza scientifica nazionale o internazionale
Il V Censimento Generale dell'Agricoltura ha evidenziato alcuni significativi limiti del sistema delle statistiche agricole nazionali. L'esperienza maturata suggerisce l'opportunità di un ripensamento del processo di raccolta dati, anche in considerazione delle nuove esigenze informative che nascono dalla trasformazione del sistema agro-alimentare nazionale. In particolare, sono emersi limiti relativi alla tempestività, alla qualità ed alla economicità del dato censuario.
Le informazioni contenute nel censimento dell'agricoltura del 2000 sono divenute effettivamente disponibili nel 2002-2003. Tra le cause principali di tale ritardo emergono la difficoltà di individuazione delle aziende sul territorio, la laboriosità della rilevazione e la necessità di accurati controlli per assicurare una adeguata qualità del dato. Inoltre, la complessità del Censimento si è tradotta, in costi di rilevazione e di elaborazione sempre più elevati.
A fronte dei limiti del dato censuario, le indagini campionarie condotte dall'ISTAT hanno dimostrato una buona capacità di fornire stime accurate e tempestive con un impegno economico ridotto. L'indagine sulla struttura e sulle produzioni delle aziende agrarie (SPA) e l'indagine sui risultati economici delle aziende (RICA/REA) forniscono un'informazione articolata e tempestiva per altro caratterizzata da una periodicità biennale anziché decennale. A tali indagini, inoltre, si affiancano una pluralità di fonti statistiche di carattere amministrativo in grado di integrare il patrimonio informativo a disposizione dei fruitori.
In tale contesto, il progetto PRIN si propone di investigare modalità organizzative alternative volte a ridurre l'onerosità della rilevazione censuaria e, al tempo stesso, a rendere più efficiente l'utilizzo delle indagini campionarie e delle fonti alternative. L'adozione di un censimento "leggero" ma necessari per individuare l'universo di riferimento in base a pochi ed irrinunciabili parametri definitori, costituirebbe certamente una limitazione del patrimonio informativo rispetto ai censimenti "tradizionali" e, nello stesso tempo, un notevole risparmio economico. L'obiettivo prioritario della ricerca consiste nel valutare se i benefici economici di tale approccio sono tali da giustificare la minore capacità informativa.
Il quadro di riferimento per la ridefinizione dello strumento censuario consiste nella distinzione fra la sua funzione informativa e la sua funzione organizzativa. Il censimento infatti offre due contributi fondamentali: da un lato esso fornisce un insostituibile quadro dell'agricoltura nazionale nella sua totalità, dall'altro costituisce la base per i processi di stratificazione e di programmazione delle indagini organizzative. Alla luce di tale distinzione, lo studio intende verificare se è possibile ridurre l'onerosità del sistema delle statistiche agricole attraverso due direttrici: una riduzione del contenuto informativo del censimento e una maggiore efficienza nella sua funzione organizzativa. Il Censimento diviene quindi un momento di organizzazione e di verifica delle indagini campionarie, alle quali viene demandato il compito di rispondere al fabbisogno informativo dell'utenza.
A tale scopo, la ricerca dovrà affrontare una molteplicità di temi con l'obiettivo di proporre una serie di metodologie innovative finalizzate alla riduzione del costi censuari ed al miglioramento della qualità e della rappresentatività delle stime campionarie. Di seguito si riporta un parziale e provvisorio elenco di possibili aree di intervento.

Definizione dell'azienda agraria ai fini statistici. Una delle determinanti più significative del costo del censimento è stato l'elevato numero di aziende rilevate. Nel 2000, sono state censite circa 2,6 milioni di aziende, molte delle quali di modeste dimensioni economiche e fisiche. Il fenomeno è oggetto di dibattito in sede Eurostat, dove sono stati definiti i criteri di rilevanza statistica. L'applicazione diretta di tale definizione all'universo italiano comporterebbe l'esclusione di circa 800.000 aziende dal campo di osservazione. Il conseguente rilevante risparmio economico trova una contropartita nella esclusione di un patrimonio aziendale numericamente rilevante in particolare nelle regioni meridionali. La valutazione della perdita informativa, l'individuazione di criteri alternativi e di eventuali strumenti di monitoraggio costituisce un'area di interesse.

Definizione dei contenuti censuari. La riduzione della funzione informativa del censimento impone la ridefinizione del questionario somministrato alle aziende. L'obiettivo di questa fase consiste nell'individuazione di un contenuto minimo, ma in grado di garantire una completa informazione attraverso uno stretto coordinamento con le altre fonti statistiche disponibili. Il questionario dovrà garantire due obiettivi fondamentali: la descrizione delle grandi linee di tendenza del settore e la rilevazione delle variabili fondamentali per il processo di stratificazione per le indagini campionarie.

Metodologie innovative per le indagini campionarie. La riduzione della funzione informativa del censimento richiede una maggiore efficienza nelle indagini campionarie sotto due profili: la capacità di descrivere un'ampia gamma di tematiche ed una maggiore rappresentatività territoriale. Sotto questo duplice profilo, le metodologie di stratificazione e di stima per piccole aree possono rappresentare degli ambiti di rilevante interesse generale.

Qualità del dato. L'esperienza del censimento ha sottolineato l'elevato costo necessario per raggiungere un livello qualitativo adeguato nella lettura dei dati legati alla multifunzionalità agricola. Le recenti evoluzioni del settore primario nazionale pongono sempre più enfasi sugli elementi immateriali della produzione, quali ad esempio l'insieme delle relazioni con il territorio. La rilevazione di tali aspetti risulta particolarmente complessa e richiede una attenta analisi del contesto locale. La georeferenziazione e le tecniche di analisi della qualità del dato possono costituire elementi di primaria rilevanza nel processo di riorganizzazione delle statistiche. Ancora strettamente legato alla qualità è il fenomeno della mancata risposta nelle indagini sia campionarie che censuarie. La mancata risposta oltre a provocare problemi di qualità rende maggiormente complesso il problema della stima e in modo particolare quando è riferito a piccole aree. Metodologie che affrontino congiuntamente ed unitariamente questi due importanti problemi pur essendo di fondamentale importanza non sono stati adeguatamente studiati nella letteratura e meritano quindi un approfondita analisi.

Abbinamento di dati provenienti da più fonti. I problemi di abbinamento possono essere classificati in: problemi di abbinamento esatto, per i quali l'obiettivo è quello di identificare i record relativi alla medesima unità statistica contenuti in archivi diversi e problemi di abbinamento statistico, per i quali l'obiettivo è quello di mettere assieme record (o gruppi di record) relativi a unità simili.
Le tecniche di abbinamento, esatto o statistico, permettono la costruzione di archivi integrati. ASIA agricoltura rappresenta in questo contesto il più importante archivio di prossima costruzione.
Si è assistito negli ultimi anni a un rinnovato interesse sugli aspetti metodologici dell'abbinamento esatto ed è recente un'interessante proposta di uso dei metodi bayesiani. Con riferimento all'ambito nazionale tali tecniche hanno recentemente trovato impiego in vari ambiti: ad esempio, limitandosi all'attività dell'Istat, per la costruzione dell'archivio statistico delle imprese attive in campo non agricolo e nella fase di predisposizione dell'archivio longitudinale delle forze lavoro. <<<