Concerned with everything: an objective index for local well-being

The thesis "Concerned with everything: an objective index for local well-being" tackles the issue of the estimating the well-being at municipal level and how it relates to other micro-level indicators. In this field of research, the literature is usually bipartite, i.e. based on subjective or objective data; the first one is based on psychological surveys results, where it is essentially the answer to questions about the life satisfaction. It has been shown that these measures show a high degree of reliability. The second approach is based on data derived from official and univocally measurable statistics, such as, for example the data arising from national accounts. It can be further divided into two subareas of research, one known as "batches of indicators" and the other known as "objective well-being index", which are synthetic measures of well-being. All 3 strands have their own limitations: given the very nature of their sampling techniques, subjective well-being (SWB) has very high costs; the batch of indicators approach, although very comprehensive and with a lot of information, requires high statistical-technical expertise in order to be consulted, and are not efficient. Finally, an objective index of well-being (OWB), responds to the needs of the groups of indicators synthesis, but, of course, are likely to omit a certain quantity of information. This thesis addresses the issue of building a batch of 160 indicators at the municipal level for the Lombardia region, from 2001 to 2015, an effort which led to the statistic platform 100% Lombardy, in collaboration with Éupolis and Regione Lombardia; this is a first element of innovation, since the literature presents only batteries which "stop" at the regional level as a minimum level of analysis (or very few exceptions for big cities and notable provinces). This allows to evaluate and consider phenomena that occur only at micro-regional level. From 52 indicators chosen in the battery, a cluster analysis was carried out, aimed at identifying 11 uniform groups in Lombardia, starting from the 1531 cities; then, the 52 indicators have been condensed into one single indicator of objective well-being, called WIT (acronym for Well-being Index of Towns), explaining at least 40% of the variance of the original data in each year, from 2001 to 2015. The WIT, together with income per taxpayer, average quotation of residential buildings, 3 year migration rate, tourism index and the birth rate, have been included in a Panel Vector AutoRegression model, along with an exogenous variable, therefore forming a PVARX model. The exogenous variable is a dummy active only for the data of 2011, given the numerical difference due to the different collection of national census data. The final model has a temporal depth of 57 quarters, for 6 variables (plus the exogenous one), with a spatial component of 11 clusters. The analysis of the WIT movements showed specific local patterns, related to the presence of infrastructures (more or less developed) and congestion (in terms of persons) of a territory, also due to the presence of economic activity. The impulse response function of the PVARX model showed that the other 5 variables respond positively to WIT shock, thus making such results very useful for policy making.

La tesi "Concerned with everything: an objective index for local well-being" affronta il tema della stima del well-being a livello comunale e come esso sia collegato ad altri indicatori micro-territoriali. In tale tema, la letteratura è solitamente bipartita, tra approcci basati su dati soggettivi e dati oggettivi; il primo si basa sui risultati di survey di stampo psicologico, dove si è soliti rispondere a domande sulla life satisfaction. È stata dimostrato che tali misure possiedono un elevato grado di affidabilità. Il secondo, invece, si basa su dati derivanti da statistiche ufficiali, misurabili in maniera univoca, come, ad esempio, i dati derivanti dai conti nazionali. A sua volta si può suddividere in due ulteriori filoni di ricerca, uno di creazione di batterie di indicatori ed uno di creazione di indicatori sintetici di well-being. Tutti e 3 i filoni presentano dei limiti: vista la natura delle tecniche di raccolta, il subjective well-being (SWB) ha costi molto elevati; l'approccio delle batterie di indicatori, pur se molto esaurienti dal punto di vista del contenuto informativo, richiedono un'elevata competenza statistica-tecnica per poter essere consultate, e non sono efficienti. Infine, gli indici di objective well-being (OWB), rispondono alle esigenze di sintesi delle batterie di indicatori, ma, ovviamente, rischiano di omettere una certa porzione di informazione. Questa tesi ha affrontato il tema di costruzione di una batteria di 160 indicatori a livello comunale per la regione Lombardia, dal 2001 al 2015, poi confluita nella piattaforma statistica 100% Lombardia, in collaborazione con Èupolis e Regione Lombardia; questo è un primo elemento di innovatività, in quanto la letteratura presenta solo batterie che si "fermano" al livello regionale come minimo livello di analisi (fatto salvo alcune eccezioni a livello di grandi città e province con elevata importanza). Questo consente di valutare e considerare fenomeni che si presentano solo a livello micro-territoriale. A partire da 52 indicatori scelti nella batteria, è stata effettuata un'analisi cluster, volta ad identificare 11 raggruppamenti omogenei dei 1531 comuni lombardi; dopodiché, i 52 indicatori sono stati condensati in 1 singolo indicatore di objective well-being, denominato WIT (acronimo di Well-being Index of Towns), in grado di spiegare almeno il 40% della varianza dei dati originali per ciascuno dei 15 anni in esame. Il WIT, insieme a reddito per dichiarante, quotazione media degli immobili ad uso residenziale, tasso migratorio triennale, indice di turisticità e tasso di natalità, sono stati inseriti in un modello Panel Vector AutoRegression, insieme ad una variabile esogena, quindi un modello PVARX. La variabile esogena è una dummy attiva solo per i dati del 2011, vista la differenza numerica dovuta alla diversa raccolta dei dati del censimento nazionale. Il modello finale mostra una profondità temporale di 57 trimestri, per 6 variabili (più quella esogena), con una componente spaziale di 11 clusters. L'analisi dei movimenti del WIT ha mostrato delle specificità territoriali, legati alla presenza di infrastrutture (più o meno sviluppate) ed alla congestione (in termini di persone) di un territorio, anche dovuta alla presenza di attività economica. Le risposte ad impulso del modello PVARX hanno mostrato che le altre 5 variabili rispondono tutte positivamente ad uno shock sul WIT, un risultato molto utile ai fini di policy making.