ALTRE REGRESSIONI
Per avere una panoramica globale dell’effetto che hanno le variabili riportate sulla mortalità per causa tumore, ho ritenuto opportuno impostare varie regressioni statistiche, per poter osservare come al variare delle variabili cambia l’output della regressione. Quindi, oltre le variabili citate nel capitolo precedente ho inserito due nuove variabili: “distanza” e “centrali”. Non sono delle vere e proprie “nuove” variabili poiché da queste ultime è stata originata la variabile considerata nel capitolo precedente “Coeff. Totale”. Ho ritenuto opportuno, pertanto, considerare sia la variabile riassuntiva che le due originarie separatamente.
Nella seguente tabella sono state riportate le regressioni più significative per una maggior comprensione dell’output finale.
Per avere una panoramica globale dell’effetto che hanno le variabili riportate sulla mortalità per causa tumore, ho ritenuto opportuno impostare varie regressioni statistiche, per poter osservare come al variare delle variabili cambia l’output della regressione. Quindi, oltre le variabili citate nel capitolo precedente ho inserito due nuove variabili: “distanza” e “centrali”. Non sono delle vere e proprie “nuove” variabili poiché da queste ultime è stata originata la variabile considerata nel capitolo precedente “Coeff. Totale”. Ho ritenuto opportuno, pertanto, considerare sia la variabile riassuntiva che le due originarie separatamente.
Nella seguente tabella sono state riportate le regressioni più significative per una maggior comprensione dell’output finale.
6.1 Prima regressione
Per la prima analisi ho considerato le due variabili principali degli effetti della radioattività per constatare come la presenza di centrali nucleari, depositi o reattori nella provincia e la distanza più vicina alla provincia adiacente possono influire sulla mortalità[1].
Da tale analisi si evince chiaramente, rilevando l’entità dell’ =0.1692, che tale variabili non spiegano bene la variabilità della variabile dipendente. Valutando i coefficienti della regressione certamente la distanza ha un segno negativo poiché essa è inversamente proporzionale all’impatto della radioattività sulla mortalità per tumore in quanto all’aumentare della distanza diminuisce l’effetto della radioattività sull’uomo.
La presenza delle centrali nella regione ha certamente una relazione con l’output ma non influisce in gran parte su di esso, lo dimostra la statistica t molto prossima allo zero.
6.2 Seconda regressione
Nella seconda analisi ho utilizzato come variabile indipendente il coefficiente totale derivante dalle due variabili elencate precedentemente, per avere un effetto reale in ogni provincia, poiché considerare due variabili separatamente potrebbe essere riduttivo.
Dall’output di tale regressione si constata che l’effetto della presenza di materiale radioattivo sul territorio italiano non è particolarmente rilevante per la determinazione dell’effetto sulla variabile dipendente. Essa in effetti presenta un poco superiore a quello evidenziato precedentemente, non esplicitando, quindi, una particolare dipendenza con la mortalità. Tale analisi aveva lo scopo di verificare se la sintesi delle variabili precedenti in un’unica variabile poteva eliminare eventuali effetti discorsivi derivanti da un’analisi separata delle due. Ma si è potuto constatare non è questa la ragione che ci porta a non accettare, come particolarmente affidabili, tale variabili come esplicative della mortalità per tumore.
6.3 Terza regressione
In tale analisi ho voluto analizzare, come nella principale regressione, tutte le variabili prese in considerazione, ma ho sostituito la variabile riassuntiva del coefficiente totale con le due generatrici, per verificare se la sintesi in un’unica variabile avesse creato delle distorsioni nell’output.
Dalla regressione non si evincono particolari differenze con la principale regressione, sinonimo di una buona sintesi in un’unica variabile ma anche di una non ottima dipendenza della variabile dipendente dalle due variabili (distanza e centrali). Analizzando la statistica t delle quattro variabili notiamo un leggero ridimensionamento per le variabili “reddito” e “anziani” a favore delle restanti variabili, ma certamente non così sostanziale da poter modificare il giudizio finale.
6.4 Quarta regressione
In tale regressione ho ritenuto opportuno analizzare gli effetti della radioattività, calcolata con un unico coefficiente, con la variabile del reddito, per constatare ulteriori effetti dell’accostamento delle variabili prese in considerazione.
Da tale analisi si evince una dipendenza elevata dal reddito, evidenziando un valore della statistica t ben elevato. Contrariamente il valore della statistica t, per la variabile del coefficiente totale, ci porterebbe a non rifiutare un’ipotesi nulla.
6.5 Quinta regressione
Nell’ultima analisi ho considerato quanto può modificare l’output l’analisi del coefficiente totale accostato alla variabile “anziani”, quindi quanto la presenza della radioattività e del numero di anziani sul territorio italiano influenzano l’output della regressione.
Da tale regressione finale possiamo confermare le risultanze derivanti dalla prima regressione: certamente il coefficiente di radioattività in tale analisi ha il valore della statistica t più elevato ma certamente la stessa statistica per il numero di anziani ha molta più rilevanza. Tale analisi, dalla rilevanza dell’ , è certamente la più significativa dopo l’analisi principale. Pertanto tali variabili riescono a spiegare gran parte dell’output della regressione totale e evidenziando la relativa importanza che ha la presenza degli anziani in ogni provincia come determinante della mortalità per tumore.
6.5 Sintesi regressioni
Al termine di tale lavoro ho ritenuto opportuno sintetizzare i dati ottenuti nelle precedenti regressioni in un'unica tabella utilizzando, dopo ogni regressione, i seguenti comandi di Stata:
estimates store first
estimates store second
estimates store third
estimates store fourth
estimates store fifth
ed infine racchiudendo i precedenti comandi in una tabella attraverso :
estimates table first second third fourth fifth
La tabella così ricavata è osservabile alla fine di tale lavoro nell’appendice 2.
[1] I risultati della regressione, come per le successive, sono stati elencati e sintetizzati alla fine di tale lavoro nell’appendice 1.
Per la prima analisi ho considerato le due variabili principali degli effetti della radioattività per constatare come la presenza di centrali nucleari, depositi o reattori nella provincia e la distanza più vicina alla provincia adiacente possono influire sulla mortalità[1].
Da tale analisi si evince chiaramente, rilevando l’entità dell’ =0.1692, che tale variabili non spiegano bene la variabilità della variabile dipendente. Valutando i coefficienti della regressione certamente la distanza ha un segno negativo poiché essa è inversamente proporzionale all’impatto della radioattività sulla mortalità per tumore in quanto all’aumentare della distanza diminuisce l’effetto della radioattività sull’uomo.
La presenza delle centrali nella regione ha certamente una relazione con l’output ma non influisce in gran parte su di esso, lo dimostra la statistica t molto prossima allo zero.
6.2 Seconda regressione
Nella seconda analisi ho utilizzato come variabile indipendente il coefficiente totale derivante dalle due variabili elencate precedentemente, per avere un effetto reale in ogni provincia, poiché considerare due variabili separatamente potrebbe essere riduttivo.
Dall’output di tale regressione si constata che l’effetto della presenza di materiale radioattivo sul territorio italiano non è particolarmente rilevante per la determinazione dell’effetto sulla variabile dipendente. Essa in effetti presenta un poco superiore a quello evidenziato precedentemente, non esplicitando, quindi, una particolare dipendenza con la mortalità. Tale analisi aveva lo scopo di verificare se la sintesi delle variabili precedenti in un’unica variabile poteva eliminare eventuali effetti discorsivi derivanti da un’analisi separata delle due. Ma si è potuto constatare non è questa la ragione che ci porta a non accettare, come particolarmente affidabili, tale variabili come esplicative della mortalità per tumore.
6.3 Terza regressione
In tale analisi ho voluto analizzare, come nella principale regressione, tutte le variabili prese in considerazione, ma ho sostituito la variabile riassuntiva del coefficiente totale con le due generatrici, per verificare se la sintesi in un’unica variabile avesse creato delle distorsioni nell’output.
Dalla regressione non si evincono particolari differenze con la principale regressione, sinonimo di una buona sintesi in un’unica variabile ma anche di una non ottima dipendenza della variabile dipendente dalle due variabili (distanza e centrali). Analizzando la statistica t delle quattro variabili notiamo un leggero ridimensionamento per le variabili “reddito” e “anziani” a favore delle restanti variabili, ma certamente non così sostanziale da poter modificare il giudizio finale.
6.4 Quarta regressione
In tale regressione ho ritenuto opportuno analizzare gli effetti della radioattività, calcolata con un unico coefficiente, con la variabile del reddito, per constatare ulteriori effetti dell’accostamento delle variabili prese in considerazione.
Da tale analisi si evince una dipendenza elevata dal reddito, evidenziando un valore della statistica t ben elevato. Contrariamente il valore della statistica t, per la variabile del coefficiente totale, ci porterebbe a non rifiutare un’ipotesi nulla.
6.5 Quinta regressione
Nell’ultima analisi ho considerato quanto può modificare l’output l’analisi del coefficiente totale accostato alla variabile “anziani”, quindi quanto la presenza della radioattività e del numero di anziani sul territorio italiano influenzano l’output della regressione.
Da tale regressione finale possiamo confermare le risultanze derivanti dalla prima regressione: certamente il coefficiente di radioattività in tale analisi ha il valore della statistica t più elevato ma certamente la stessa statistica per il numero di anziani ha molta più rilevanza. Tale analisi, dalla rilevanza dell’ , è certamente la più significativa dopo l’analisi principale. Pertanto tali variabili riescono a spiegare gran parte dell’output della regressione totale e evidenziando la relativa importanza che ha la presenza degli anziani in ogni provincia come determinante della mortalità per tumore.
6.5 Sintesi regressioni
Al termine di tale lavoro ho ritenuto opportuno sintetizzare i dati ottenuti nelle precedenti regressioni in un'unica tabella utilizzando, dopo ogni regressione, i seguenti comandi di Stata:
estimates store first
estimates store second
estimates store third
estimates store fourth
estimates store fifth
ed infine racchiudendo i precedenti comandi in una tabella attraverso :
estimates table first second third fourth fifth
La tabella così ricavata è osservabile alla fine di tale lavoro nell’appendice 2.
[1] I risultati della regressione, come per le successive, sono stati elencati e sintetizzati alla fine di tale lavoro nell’appendice 1.
Nessun commento:
Posta un commento