Analisi multilivello nelle indagini sulle famiglie: una applicazione ai dati sulle condizioni di salute

Lo scopo di questa tesi è quello di applicare il modello di regressione multilivello nel contesto di indagini sulle famiglie. La struttura gerarchica in questo tipo di dati è caratterizzato da numerosi piccoli gruppi. Negli ultimi anni analisi comparative e multilivello sullo stato di salute percepito sono aumentate molto. L’obiettivo di questa tesi è di applicare un'analisi multilivello a tre livelli per la variabile risposta Physical Component Summary allo scopo di: valutare entità all'interno e tra varianza ad ogni livello (individuale, familiare e comune); indagare quali covariate influiscono sulla percezione dello stato di salute fisica ogni livello; confrontare le analisi model-based e di design-based al fine di stabilire se i pesi campionari siano informativiti per il modello di interesse; stimare una regressione quantile per i dati gerarchici. La popolazione target sono i residenti italiani di età compresa tra 18 anni. Il nostro studio rileva un’elevata omogeneità tra le unità di livello 1 e una correlazione intraclasse del 27% nel modello nullo a 2livelli. Quasi tutta la varianza è spiegata dalle covariate di livello. Nel nostro modello le variabili esplicative hanno un impatto maggiore sulla variabile risposta sono la disabilità, inabilità al lavoro, l’età e le malattie croniche (18 patologie). Un'ulteriore analisi viene eseguita utilizzando una nuova procedura di analisi: "Regressione lineare quantile multilivello”. Questa analisi ci dà la possibilità di descrivere più in generale la distribuzione condizionata della variabile risposta attraverso la stima dei suoi quantili. Questo ha portato un grande vantaggio nei nostri modelli rispetto al classico modello di regressione multilivello. La regressione mediana con effetti casuali si rivela più efficiente del regressione media nella rappresentazione della tendenza centrale. Un'analisi più dettagliata della distribuzione condizionata della variabile risposta in corrispondenza di altri quantili ha evidenziato che certe covariate hanno un effetto diverso lungo la distribuzione.