Tra il 2019 ed il 2020 è diminuita
di 0,87 anni
L’Istat
calcola il valore della speranza di vita alla nascita nelle regioni italiane.
La speranza di vita alla nascita è definita come “[…] il numero medio di
anni che un bambino che nasce in un certo anno di calendario può aspettarsi di
vivere”.
Ranking
delle regioni italiane per speranza di vita alla nascita nelle regioni italiane
nel 2020. L’Umbria
è al primo posto per valore della speranza di vita alla nascita nel 2020 con un
valore pari a 83,8 anni, seguita dal Veneto e dal Lazio con un valore pari a
83,1. Il Friuli-Venezia Giulia è al terzo posto con un ammontare pari a 83
anni. A metà classifica vi sono Emilia-Romagna, Abruzzo e Basilicata con un ammontare
pari a 82,4 anni. Chiudono la classifica la Campania con un valore pari a 81,4
anni, la Lombardia con un valore pari a 81,2 anni e la Valle d’Aosta con un
ammontare pari a 80,9 anni. In media nel 2020 la speranza di vita alla nascita
nelle regioni italiane è stata pari a 82,345 anni.
Ranking
delle regioni italiane per variazione percentuale della speranza di vita alla
nascita. Il Lazio
è al primo posto per valore della variazione percentuale della speranza di vita
alla nascita tra il 2004 ed il 2020 con un valore pari a 3,74% pari a 3 anni,
seguito dal Friuli-Venezia Giulia con un ammontare pari a 3,1% pari a 2,5 anni
e dall’Umbria con 2,82% pari a 2,3 anni. A metà classifica vi sono la Calabria
con un ammontare pari a 2,230% pari a 1,8 anni, seguita dal Trentino-Alto Adige
con un ammontare pari a 2,096% pari a 1,7 anni, e dalla Toscana con un valore
pari a 1,84% pari a 1,5 anni. Chiudono la classifica la Puglia con un valore di
1,23% pari ad un ammontare di 1 anno, seguito dalle Marche con un valore pari a
0,978% pari ad un ammontare di 0,8 anni e dalla Lombardia con un valore di
0,37% pari ad un ammontare di 0,3 anni.
Macro-Regioni
Italiane. Il valore
della speranza di vita alla nascita nel Nord ha avuto un andamento altalenante
tra il 2004 ed il 2020. Infatti, se si considera il periodo tra il 2004 ed il
2020 nel Nord la speranza di vita alla nascita è cresciuta di 1,1 anni pari all’1,3%.
Tuttavia, tra il 2015 ed il 2020 il valore della speranza di vita alla nascita
è diminuita nel Nord di 0,7 anni pari ad un valore di -0,84%. Nel Centro Italia
la speranza di vita alla nascita è cresciuta tra il 2004 ed il 2020 di un
valore pari a 2,2 anni ovvero pari a 2,71% un tasso di crescita superiore
rispetto a quello del sottoperiodo 2015-2020 pari ad un valore di 0,5 anni pari
ad un valore di 0,6%. Nel Mezzogiorno la crescita dell’aspettativa di vita tra
il 2004 ed il 2020 è cresciuto di un valore pari a 2 anni ovvero pari ad un
valore di 2,49% superiore rispetto al sottoperiodo tra il 2015 ed il 2020 con
un valore pari a 0,6 anni pari ad un valore di 0,7%. In media anche complessivamente
per l’Italia il valore della variazione assoluta della speranza di vita alla
nascita è diminuita da 1,6 anni nel periodo tra il 2004 ed il 2020 fino ad un
valore di 0 anni nel periodo tra il 2015 ed il 2020. Tuttavia, l’aspettativa di
vita è significativamente diminuita tra il 2019 ed il 2020 in tutte le macro
regioni italiane: Nord con una variazione di -1,6 anni pari a -1,9%; Centro con
una variazione di -0,5 anni pari a -0,59%; Mezzogiorno con una variazione
assoluta pari a -0,3 anni pari a -0,36%; ed in Italia il valore è diminuito di
un valore di -0,9 anni ovvero pari ad un valore di -1,08%. Ne deriva pertanto
che il valore dell’aspettativa di vita che aveva raggiunto nel 2019 un picco
nelle macro-regioni italiane ha subito una significativa riduzione nel 2020 in
connessione con gli eventi pandemici del covid-19.
Clusterizzazione
con algoritmo k-Means.
Di seguito viene applicato l’algoritmo k-Means per la classificazione delle
regioni italiane sulla base della speranza di vita alla nascita. Per selezionare
il numero ottimale di clusters viene utilizzato il coefficiente di Silhouette.
Il coefficiente di Silhouette varia tra -1 e +1. Il numero ottimale di clusters
è generato in connessione con il valore del coefficiente di Silhouette più
elevato. Il valore del coefficiente Silhouette più alto è pari a 0,533 unità in
connessione con un numero di cluster pari a 3. I clusters sono così costituiti:
- · Cluster
1: Piemonte,
Liguria, Molise, Sardegna, Lazio, Basilicata, Calabria, Friuli Venezia Giulia,
Abruzzo, Puglia, Valle d’Aosta;
- ·
Cluster
2: Veneto, Toscana,
Umbria, Emilia-Romagna, Trentino-Alto Adige, Marche, Lombardia;
- ·
Cluster
3: Campania,
Sicilia.
Se
quindi prendiamo in considerazione il valore della mediana dei clusters allora si
ottiene il seguente ordinamento C2=82,8>C1=82,4>C3=81,7. La mappa dei
clusters mostra che il cluster 2 coincide sostanzialmente con il centro-nord,
il cluster 1 coincide con il mezzogiorno ed il cluster 3 riguarda soltanto due
regioni ovvero Campania e Sicilia. L’analisi mostra pertanto che l’aspettativa
di vita tende a crescere con il reddito. Inoltre, i dati mostrano la presenza del
fenomeno del Centro-Italia che ha dei valori di speranza di vita molta elevata
rispetto alle altre regioni.
Network
Analysis. La
network analysis viene utilizzata per tracciare le relazioni tra regioni ovvero
per verificare la presenza di specifiche connessioni tra aree indicate. L’analisi
viene realizzata attraverso l’utilizzo della distanza euclidea. Il risultato
mostra la presenza di legami forti e significativi a livello di network tra tre
diverse regioni ovvero:
- ·
Veneto
ed Emilia-Romagna con un valore pari a 0,51 unità;
- ·
Veneto
e Toscana con un valore pari a 0,51 unità
Il
Veneto risulta essere un nodo intermedio tra Emilia-Romagna e la Toscana. Infine,
l’analisi delle caratteristiche metriche dell’analisi a network mostra i
seguenti elementi ovvero:
- ·
Number of nodes con un valore pari a 20;
- ·
Number of edges con un valore pari a 24;
- ·
Average
degree con un valore pari 2,4;
- ·
Density
con un valore pari a 0,1263.
Machine
learning and predictions. Di
seguito vengono applicati otto diversi algoritmi di machine learning per la
predizione del valore della speranza di vita alla nascita nelle regioni italiane.
Gli algoritmi sono stati addestrati con l’utilizzo del 70% dei dati e la
predizione è stata realizzata con il restante 30% dei dati. Gli algoritmi sono
stati confrontati attraverso la loro capacità di massimizzare l’R-quadro e di minimizzare
i seguenti errori statistici ovvero: “Mean Absolute Error”, “Mean Squared Error”,
“Root Mean Squared Error”. L’analisi mostra il seguente ordinamento degli
algoritmi ovvero:
- ·
Gradient
Boosted Tree Regression con un valore del payoff pari a 4;
- ·
Simple
Regression Tree con un valore del payoff pari a 4;
- ·
ANN-Artificial
Neural Network e Tree Ensemble Regression con un valore del payoff pari a 14;
- ·
Random
Forest Regression con un valore del payoff pari a 22;
- ·
PNN-Probabilistic
Neural Network con un valore del payoff pari a 23;
- ·
Polynomial
Regression con un valore del payoff pari a 27;
- ·
Linear
Regression con un valore del payoff pari a 32.
- In base all’applicazione dell’algoritmo best performer che è il Gradient Boosted Tree Regression sono predetti i seguenti valori ovvero:
- ·
Valle
D’Aosta con una variazione aumentativa da un ammontare di 80,90 fino ad un valore
di 82,03 unità ovvero pari ad un ammontare di 1,13 unità pari ad un valore di
1,40%;
- ·
Emilia-Romagna
con una variazione aumentativa da un ammontare di 82,40 unità fino ad un valore
di 83,10 unità ovvero pari ad una variazione di 0,70 unità pari ad una
variazione di 0,85%;
- ·
Toscana
con una variazione aumentativa da un ammontare di 83,00 unità fino ad una
variazione di 83,10 unità ovvero pari ad una variazione di 0,10 unità pari ad
una variazione di 0,12%;
- ·
Campania
con una variazione aumentativa da un ammontare di 81,40 unità fino ad un valore
di 82,77 unità ovvero pari ad una variazione di 1,37 unità pari ad un ammontare
di 1,68%;
- ·
Puglia
con una variazione aumentativa da un ammontare di 82,10 unità fino ad un valore
di 83,79 ovvero pari ad una variazione di 1,69 unità pari ad una variazione di
2, 06%;
- ·
Sicilia
con una variazione da 82,00 unità fino ad un valore di 82,77 unità ovvero pari
ad una variazione di 0,77 unità pari ad un ammontare di 0,94%.
In
sintesi, in media, per le regioni analizzati è predetta la crescita del valore
della speranza di vita alla nascita in crescita da un valore di 81,97 fino ad
un valore di 92,93 unità ovvero pari ad un ammontare di 0,96 unità pari ad un valore
di 1,17%. Tuttavia occorre considerare che questa predizione, per quanto
metodologicamente corretta, risulta essere comunque errata per il fatto che i
dati non considerano né il perdurare della pandemia nel 2021 né la crisi Ucraina.
Conclusioni. La speranza di vita alla nascita
nelle regioni italiane è cresciuta da un ammontare di 80,72 anni nel 2004 fino
ad un valore di 82,345 unità nel 2020 ovvero una crescita del 2%. Tuttavia,
occorre considerare che tra il 2019 ed il 2020 il valore della speranza di vita
alla nascita in media per le regioni italiane è diminuito da 83,215 unità fino
ad un valore di 82,345 unità in connessione con il Covid. I dati mostrano una generica
relazione positiva tra il reddito e la speranza di vita alla nascita ed in modo
particolare mettono in evidenza una dominanza delle regioni del Centro Italia. Certamente
è probabile che analizzando anche i dati del 2021 e del 2022 ci sia, contrariamente
a quanto predetto dagli algoritmi di machine learning, ancora una riduzione del
valore della speranza di vita alla nascita a causa della crisi del covid 19
anche in combinato disposto con la crisi ucraina. La crescita dell’aspettativa di
vita pertanto è certamente da connettere con la crescita del reddito pro-capite,
però anche con elementi di carattere macroeconomico come crisi sanitarie e finanziarie
che possono ridurre la speranza di vita alla nascita. Infatti se prendiamo per
esempio la variazione della speranza di vita alla nascita tra il 2019 ed il
2020 vediamo che la Lombardia ha subito una variazione negativa pari a 2,5
anni, la Valle d’Aosta pari a 1,8 anni e le Marche pari ad un valore di 1,4
anni. Ne deriva pertanto che la pandemia ha modificato sostanzialmente la
struttura della speranza di vita nelle regioni italiane a prescindere anche dal
reddito pro-capite.
References
Laureti,
L., Costantiello, A., & Leogrande, A. (2022). Satisfaction
with the Environmental Condition in the Italian Regions between 2004 and 2020. University Library of Munich,
Germany.
Leogrande,
Angelo, Alberto Costantiello, Lucio Laureti, and Domenico Leogrande. The
Determinants of Landscape and Cultural Heritage Among Italian Regions in the
Period 2004-2019. University
Library of Munich, Germany, 2021.
Magazzino,
C., & Leogrande, A. (2021). Subjective Well-Being In Italian Regions: A
Panel Data Approach. Applied
Econometrics and International Development, 21(1), 1-18.
Nessun commento:
Posta un commento