rivista italiana di economia demografia e statistica - Sieds
rivista italiana di economia demografia e statistica - Sieds
rivista italiana di economia demografia e statistica - Sieds
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Rivista Italiana <strong>di</strong> Economia Demografia e Statistica 99<br />
Per ulteriori dettagli sull’algoritmo <strong>di</strong> stima <strong>di</strong> τ, si veda D’Ambrosio, Muliere e<br />
Secchi (2003).<br />
Le <strong>di</strong>stribuzioni parametriche più comunemente usate per f 0 e f 1 sono la<br />
<strong>di</strong>stribuzione <strong>di</strong> Pareto, che approssima bene la coda destra della <strong>di</strong>stribuzione del<br />
red<strong>di</strong>to, e la <strong>di</strong>stribuzione lognormale, adatta per i red<strong>di</strong>ti centrali (Pen, 1971).<br />
Il principale problema che s’incontra adottando un approccio parametrico è<br />
dovuto al fatto che l’inferenza è fortemente influenzata dalla scelta del modello;<br />
come si mostrerà nell’applicazione della Sezione 3, ciò vale anche nell’analisi<br />
parametrica del punto <strong>di</strong> cambiamento.<br />
Sembra perciò importante adottare un criterio che consenta <strong>di</strong> confrontare i<br />
<strong>di</strong>versi modelli parametrici, in<strong>di</strong>viduando quello che meglio si adatta ai dati.<br />
Si propone qui <strong>di</strong> estendere il lavoro <strong>di</strong> D’Ambrosio, Muliere e Secchi (2003),<br />
confrontando <strong>di</strong>versi modelli parametrici del punto <strong>di</strong> cambiamento me<strong>di</strong>ante un<br />
test <strong>di</strong> adattamento, che misuri la <strong>di</strong>stanza tra la funzione <strong>di</strong> ripartizione empirica<br />
F n (x j )= j/n e la funzione <strong>di</strong> ripartizione stimata del modello parametrico del punto<br />
<strong>di</strong> cambiamento, data da<br />
min{ x,<br />
ˆ} θ<br />
∫<br />
−∞<br />
max{ x;<br />
ˆ} θ<br />
F(<br />
x | ˆ δ , ˆ ) ( | ˆ ) ( ˆ) ( | ˆ<br />
0<br />
δ1<br />
= f0<br />
t δ0<br />
dt ⋅ P x ≤ θ + ∫ f1<br />
t δ1)<br />
dt ⋅ P(<br />
x > ˆ). θ<br />
Numerosi sono i test <strong>di</strong> adattamento presenti in letteratura, tra cui il test<br />
bilaterale <strong>di</strong> Kolmogorov-Smirnov, che è basato sulla <strong>statistica</strong><br />
e la <strong>statistica</strong> costituita dalla ra<strong>di</strong>ce dell’errore quadratico me<strong>di</strong>o (Root Mean<br />
Square Error o RMSE), data da<br />
Valori gran<strong>di</strong> delle statistiche KS e RMSE inducono a rifiutare l’ipotesi nulla,<br />
secondo cui i dati provengono dal modello parametrico stimato del punto <strong>di</strong><br />
cambiamento.<br />
Quando tali test suggeriscono <strong>di</strong> rifiutare tutti i modelli proposti, risulta<br />
opportuno adottare un approccio non parametrico.<br />
ˆ θ<br />
KS = sup ˆ , ˆ<br />
j<br />
F(<br />
xj<br />
| δ0 δ1)<br />
− Fn<br />
( xj) ,<br />
1<br />
RMSE=<br />
n<br />
n<br />
∑<br />
j=<br />
1<br />
( ˆ<br />
2<br />
F(<br />
x | ˆ δ , δ ) − F ( x )) .<br />
j<br />
0<br />
1<br />
n<br />
j