Le Reti Neuronali Strutturate e il PLS per la misurazione della qualità della vita

Luca Colarusso, Università degli Studi di Napoli "Federico II" - Facoltà di Economia
Corso di laurea in “Scienze Statistiche ed Informatiche per l'Economia e le Imprese”
Relatore: prof.ssa C. Davino

Il presente lavoro di tesi prende spunto da una ricerca effettuata dall’Osservatorio sulla Qualità della vita nelle Circoscrizioni di Napoli (Franco et al., 2005) il cui obiettivo era quello di definire un modello per la comprensione degli aspetti che incidono sulla “qualità della vita” dei cittadini partenopei. In quel contesto l’attenzione era focalizzata essenzialmente sul monitoraggio dei diversi aspetti che incidono sulla vita economica, sociale e culturale della città offrendo un quadro particolareggiato e sistematico delle diverse realtà presenti e proponendosi come uno strumento di supporto alle scelte per i decision makers del sistema pubblico cittadino.

Dato questo spunto e prendendo in considerazione il retaggio metodologico che è stato fornito in quell’ambito, ovvero, sia le componenti fondamentali in cui il concetto di Qualità della vita è stato scomposto, sia la rilevazione soggettiva del concetto ottenuta attraverso una indagine diretta sul campo, abbiamo indagato tale problema focalizzando la nostra attenzione sul punto di vista delle tecniche statistiche disponibili ed applicabili a fenomeni e temi di così grande interesse.

In particolare, le tecniche statistiche che abbiamo utilizzato in questo percorso di analisi e scoperta sono state fondamentalmente due: la prima, il Partial Least Squares (PLS), che può essere considerata come una delle tecniche classiche per tali tipi di modelli; la seconda, la tecnica delle Reti Neuronali Strutturate (SNN), che, per contro, rappresenta un approccio al problema alquanto pioneristico, la cui bibliografia risulta essere ancora un work in progress. Solitamente, difatti, la modellizzazione di reti di relazioni causa-effetto è condotta con metodi quali il già citato PLS o il modello ad Equazioni Strutturali (SEM).

Tali metodologie, però, presentano dei punti di debolezza dai quali difficilmente si può prescindere, ravvisati soprattutto nella mancanza da parte degli stessi di adattare relazioni asimmetriche e non lineari esistenti necessariamente in un modello complesso quale quello della Qualità della vita. Il modello a reti neuronali strutturate, in particolare, rappresenta il ganglio centrale di questa trattazione essendo esso una nuova proposta di analisi, una nuova prospettiva di indagine che non risente eccessivamente degli svantaggi cui sono soggette le tecniche sopra menzionate (PLS e Structural Equation Model).

L’obiettivo di tale lavoro può essere sintetizzato, quindi, semplicemente nella seguente domanda:

“E’ possibile creare un modello di relazioni causa-effetto, predeterminato attraverso una struttura teorica per la Qualità della vita e la Soddisfazione tenendo nel debito conto i problemi di non linearità e asimmetricità delle relazioni esistenti tra le variabili latenti dello stesso o senza dover forzatamente supporre la normalità ed eventualmente l’ omogeneità della varianza all’interno di dataset di grandi dimensioni?”

Tecniche statistiche quali quelle trattate in tale lavoro permettono di fare ciò, per cui si è costruito un modello ad equazioni strutturali, stimato tramite la regressione PLS ed un modello a reti neuronali strutturate che imita l’ipotetica rete di relazioni suggerita dalla teoria stessa, sottomettendo la indefinitezza della sua architettura, al modello teorico sottostante e di fatto, rendendo possibile un ammorbidimento delle posizioni critiche nei confronti di tale tecnica che hanno ad oggetto prevalentemente una sua negativa proprietà conosciuta in letteratura come “Black Box”.

La rete neuronale utilizzata in questo lavoro di tesi, infatti, a differenza delle applicazioni classiche di questa tecnica fornisce risultati comprensibili in virtù proprio della struttura di cui è dotata.

La scelta, quindi, di operare una strutturazione della rete si riverbera soprattutto sulla possibilità di poter acquisire una comprensione maggiore delle dinamiche attraverso cui la Qualità della vita si concretizza nella visione del campione di individui potendo conseguire in questo modo un livello di informazione quantitativamente e qualitativamente migliore che nel caso di applicazioni tradizionali.