MINISTERO DELL'ISTRUZIONE, DELL'UNIVERSITÀ E DELLA RICERCA
DIPARTIMENTO PER LA PROGRAMMAZIONE IL COORDINAMENTO E GLI AFFARI ECONOMICI - SAUS
PROGRAMMI DI RICERCA SCIENTIFICA DI RILEVANTE INTERESSE NAZIONALE
RICHIESTA DI COFINANZIAMENTO (DM n. 21 del 20 febbraio 2003)

PROGETTO DI UNA UNITÀ DI RICERCA - MODELLO B
Anno 2003 - prot. 2003131041_005
PARTE I

1.1 Tipologia del programma di ricerca
Interuniversitario 


Aree scientifico disciplinari
Area 13: Scienze economiche e statistiche (100%) 
 
 

1.2 Durata del Programma di Ricerca

 

24 Mesi  

1.3 Coordinatore Scientifico del Programma di Ricerca

BATTAGLIA  FRANCESCO  francesco.battaglia@uniroma1.it 
SECS-S/01 - Statistica     
Università degli Studi di ROMA "La Sapienza"     
Facoltà di SCIENZE STATISTICHE     
Dipartimento di STATISTICA,PROBABILITA' E STATISTICHE APPLICATE     

1.4 Responsabile Scientifico dell'Unità di Ricerca

MARAVALLE  MAURIZIO   
Professore Ordinario  25/01/1945  MRVMRZ45A25H501K 
SECS-S/01 - Statistica     
Università degli Studi de L'AQUILA     
Facoltà di ECONOMIA     
Dipartimento di SISTEMI E ISTITUZIONI PER L'ECONOMIA     
0862/434881
(Prefisso e telefono)
 
0862/434803
(Numero fax)
 
mm@sscaq1.cc.univaq.it
(Email)
 

1.5 Curriculum scientifico del Responsabile Scientifico dell'Unità di Ricerca


Testo italiano

Maurizio Maravalle è nato a Roma il 25/01/45; è professore straordinario di Statistica presso la Facoltà di Economia dell'Università dell'Aquila. Ha insegnato dall'A.A. '78-'79 come incaricato di Statistica matematica. E' stato vincitore del posto di associato presso la Facoltà di Economia dell'Università di Pavia nel 1987; nel 1999 è stato chiamato dall'Università dell'Aquila, nella Facoltà di Economia dove insegnava dal 1992, in quanto idoneo nel criterio di selezione comparativa al posto di Ordinario in Statistica. Dapprima aveva lavorato presso la Somea( Gruppo- Metra) e nel Gruppo Eni, rivestendo incarichi diversi ma tutti nell'ambito dell'elaborazione e nell'analisi di modelli statistico-matematici. Il lavoro di ricerca si svolge in due filoni principali; uno relativo allo studio delle serie temporali e l'altro relativo a "l'analisi dei dati" di scuola francese, dove, in particolare, ha avuto una lunga collaborazione con il Prof. Benzécri. E' stato membro referente di Commissioni di Studio presso l'Istat, sui problemi di Classificazione dei Comuni italiani, sul trattamento dei dati a fini congiunturali e sui problemi di destagionalizzazione. E' responsabile dell'Osservatorio statistico dell'Università dell'Aquila. Dal 1999 fino alla fine del suo mandato, ottobre 2001, è stato Preside della Facoltà di Economia.


Testo inglese
Maurizio Maravalle was born in Rome on January 25th, 1945; he is presently Full Professor of Statistics on the Faculty of Economics at L'Aquila University, were he taught as a temporary lecturer since 1978. In 1987 he obtained a position as Associated Professor on the Faculty of Economics at Pavia University and then (1999) he became Full Professor. He had previously worked at Somea (Metra Group-Paris) and in the Eni Group. His work in research is divided into two main areas:one concerning the study of "time series" and the other concerning "data analysis". In this latter area he has been carrying out his research with Prof. J. P. Benzécrì of Paris (VI) University. He is the referent member on the Committee set up to study data processing as a means of interpreting business analysis and the problem of seasonal adjustment. In addition to other tasks, he has been Dean of the Faculty from 1999 to 2001.

1.6 Pubblicazioni scientifiche più significative del Responsabile Scientifico dell'Unità di Ricerca

 

1. LARI; MARAVALLE M.; SIMEONE (2003). Computing sharp bounds for hard clustering problems on trees Operation Research and Data Mining. pp. 15 in corso di pubblicazione.  
2. MARAVALLE M.; CIAMMOLA (2000). A Critical Analysis of the Logarithmic Transformationn of Economic Time Series Using Simulation ANNALI DI STATISTICA. (vol. 20 pp. 389-408) SEASONAL ADJUSTEMENT PTROCEDURES -.  
3. MARAVALLE M.; COCCIA M. (1999). Stima anticipata e previsione dell'indice provvisorio della produzione industriale ANNALI DI STATISTICA. (vol. Vol. 17 pp. 15) ISSN: 88-458-0168-3  
4. MARAVALLE M.; SIMEONE (1995). A spanning tree heuristics for regional planning COMMUNICATIONS IN STATISTICS-THEORY AND METHODS. (vol. 24 pp. 16)  
5. MARAVALLE M.; IAFOLLA.; POLITI (1992). Scelta di indicatori per la stima rapida dell'indice della produzione industriale QUADERNI DI RICERCA ISTAT. (vol. 29 pp. 30)  

1.7.1 Personale universitario dell'Università sede dell'Unità di Ricerca

Personale docente

Cognome  Nome  Dipartimento   Qualifica  Settore Disc.  Mesi Uomo 
1° anno  2° anno 
1. MARAVALLE   Maurizio   Dip. SISTEMI E ISTITUZIONI PER L'ECONOMIA   Prof. Ordinario   SECS-S/01   7   7  
2. COCCIA   Mimi'   Dip. SISTEMI E ISTITUZIONI PER L'ECONOMIA   Ricercatore Universitario   SECS-S/01   8   8  
3. TRIACCA   Umberto   Dip. SISTEMI E ISTITUZIONI PER L'ECONOMIA   Ricercatore Universitario   SECS-P/05   1   7  
                 16  22 


Altro personale


Nessuno

1.7.2 Personale universitario di altre Università

Personale docente
Nessuno

Altro personale


Nessuno

1.7.3 Titolari di assegni di ricerca

Cognome  Nome  Dipartimento/Istituto  Data di inizio del contratto  Data fine contratto  Mesi Uomo 
1° anno  2° anno 
1. LAURENZI   Andrea   Dip. SISTEMI E ISTITUZIONI PER L'ECONOMIA  12/03/2003   11/03/2004   8   2  
                

1.7.4 Titolari di borse per Dottorati di Ricerca e ex L. 398/89 art.4 (post-dottorato e specializzazione)


Nessuno

1.7.5 Personale a contratto da destinare a questo specifico programma


Nessuno

1.7.6 Personale extrauniversitario dipendente da altri Enti

Cognome  Nome  Nome dell'ente  Qualifica  Mesi Uomo 
1° anno  2° anno 
1. CIAMMOLA  ANNA  ISTAT  Ricercatore  2   2  
             





PARTE II

2.1 Titolo specifico del programma svolto dall'Unità di Ricerca


Testo italiano

Metodi di sintesi e criteri di scelta delle informazioni per la stima anticipata di serie storiche economiche


Testo inglese
Synthesis methods and choise criteria for anticipated estimates of economic time series.

2.2 Settori scientifico-disciplinari interessati dal Programma di Ricerca

 

SECS-S/01 - Statistica  
SECS-S/03 - Statistica economica  
SECS-P/05 - Econometria  

2.3 Parole chiave


Testo italiano

ANALISI IN COMPONENTI PRINCIPALI ; ANALISI FATTORIALE DINAMICA ; OPERATORI DI ESCOUFIER ; SERIE STORICHE SINTETICHE ; INDICI CONGIUNTURALI COMPOSTI ; MODELLI A FUNZIONI DI TRASFERIMENTO ; METODI DI OTTIMIZZAZIONE BRANCH & BOUND


Testo inglese
PRINCIPAL COMPONENTS ANALYSIS ; DYNAMIC FACTOR ANALYSIS ; ESCOUFIER OPERATORS ; SYNTHETIC TIME SERIES ; COMPOSITE ECONOMIC INDEX ; TRANSFER FUNCTION MODELS ; OPTIMIZATION BY BRANCH & BOUND

2.4 Base di partenza scientifica nazionale o internazionale


Testo italiano

E' noto che la tempestività nel fornire dati relativi alla congiuntura economica è una esigenza sempre più sentita sia dalle istituzioni nazionali che da quelle europee, soprattutto in rapporto a quanto avviene negli USA. Indicatori economici come, per esempio l'indice della produzione industriale, vengono calcolati dall'Istat sulla base di centinaia di serie per le quali è necessario un lungo lavoro di raccolta ed elaborazione dei dati, con la conseguenza che i risultati vengono fornito dopo circa 45 giorni. E' perciò importante la fornitura di stime anticipate, basate su una informazione ridotta, che è uno degli obiettivi che l'unità operativa dell'Aquila intende perseguire. Il lavoro dal quale si è partiti è quello di Maravalle et al. (1993) che è stato successivamente sviluppato ed applicato con successo nei lavori di Maravalle e Coccia (1995) e Ciammola e Coccia (2000). L'idea di base è sostanzialmente quella di utilizzare modelli di serie storiche sintetiche univariate, ottenutecioè mediante procedure di sintesi come l'analisi in componenti principali (ACP). Allo stesso tempo i risultati del gruppo di lavoro, che fa capo al CEPR (Center for Economic Policy Research) di Londra, hanno aperto una interessante area di sovrapposizione basata soprattutto sull'estensione dinamica dell'analisi fattoriale. In questo contesto si sottolineano i lavori del gruppo Forni, Lippi et al. (2000, 2001 e 2002). Un altro elemento di interesse è l'approccio di Battaglia e Fenga (2003) che si pone diversi problemi in comune a quelli da noi evidenziati. Restano infine da considerare i problemi della scelta e della selezione delle variabili. Queste problematiche, pur avendo avuto un'ampia trattazione soprattutto nell'ambito del modello di regressione multipla riguardano anche l'analisi multivariata,in particolare l'analisi delle correlazioni canoniche, l'analisi discriminante, la cluster analysis (Jolliffe, 1972) e soprattutto l'ACP (tra gli altri Jolliffe, 1972, 1973 e 1986, Braun,1973, Robert e Escoufier, 1976, McCabe, 1984, Tanaka e Mori, 1997, Mori et al., 1999). Una interessante disamina del problema viene proposta nella tesi di dottorato di Ciammola (2003) che propone pure un interessante contributo alla soluzione euristica del problema a partire da alcuni risultati di Jolliffe (1986) e Krzanowski. (1987a e b).


Testo inglese
As everybody knows, the timeliness in data supplying concerning economic time situation is a ever more present requirement both for the national authorities and the European ones, above all compared to U.S.A. Economic indicators like as an example the index of the industrial production are calculated from Istat on the base of hundred of time series for which it is necessary a long job of data collection and processing; consequently data are supplied after about 45 days. It is therefore important the supplying of anticipated estimates, based on a reduced information; this is one of the aims that the operating unit of L'Aquila means to pursue.
The first step is represented by Maravalle's model which has been afterwards developed and applied successfully ( Maravalle and Coccia (1995), Ciammola and Coccia (2000)). The basic idea is essentially the utilization of univariate synthetic time series, obtained by synthesis procedure as principal component analysis (PCA). At the same time the results of the team, which refers to CEPR( Centre for Economic Policy Research) of London are developed to our aims, have opened an interesting overlapping area, based above all on the dynamic extension of factor analysis. In this context we underline the papers of Forni, Lippi and al. (2000, 2001, 2002). Battaglia and Fenga (2003) deal with similar problem and give a very interesting approach from a conditional expectation point of view.
We still have problems about choice and selection of variables. These problems, even if arise in multiple regression analysis, are also about multivariate one; particularly in canonical correlation, cluster and discriminant analysis. Our particular attention is in PCA's area where, Jolliffe (1972, 1973 and 1986), Robert and Escoufier (1976), McCabe (1984), Tanaka and Mori (1997) and Mori et al. (1999) give interesting idea.
An important approach to the problem is proposed in Ciammola's Ph.D Dissertation. (2003), which gives also a stimulating contribution to heuristic solution to the problem based on Jolliffe (1986) and Krzanowski (1987a and 1987b) results.

2.4.a Riferimenti bibliografici

Battaglia, F., Fenga, L. (2003) Forecasting composite indicators with anticipated information: an application to the industrial production index, Applied Statistics, 52, 3.
Ciammola, A. (2003) Selezione di serie temporali a fini previsivi mediante tecniche fattoriali, Tesi di dottorato in Statistica Computazionale, Università Federico II di Napoli.
Ciammola, A., Coccia, M. (2000) Proposta operativa per la stima anticipata dei dati del commercio estero dell'Italia con gli altri paesi della UE, Working Paper n.8, Ricerca Nazionale: Modelli Statistici per l'Analisi delle Serie Temporali.
Jolliffe,I.T. (1986) Principal component analysis, Springer- Verlag, New York.
Forni, M., Lippi, M. (1999) The generalized dynamic factor model: representation theory - www.dynafactors.com
Forni et al. (2002) The generalized dynamic factor model: identification and estimation - www.dynafactors.com
Forni et al. (2002) The generalized dynamic factor model one-sided estimation and forecasting - www.dynafactors.com
Krzanowski, W. J. (1987a) Selection of variables to preserve multivariate data structure, using principal components, Applied Statistics, 36, 22-33.
Krzanowski, W. J. (1987b) Cross-validation in principal component analysis, Biometrics, 43, 575-584.
McCabe, G.P. (1984) Principal variables, Technometrics, 26, 137-144.
Maravalle, M., Politi, M., Iafolla, P. (1993) Scelta di indicatori per la stima rapida di un indice della produzione industriale, Quaderni di Ricerca n. 6, metodologia e informatica, ISTAT.
Maravalle, M., Coccia, M. (1999). Stima anticipata e previsione dell'indice provvisorio della produzione industriale. In "Modelli e Strumenti per l'Analisi Economica a Breve Termine ". Annali di Statistica- Anno 128- Serie X-vol.17-335-348. Istat - Roma.
Mori, Y., Iizuka, M., Tarumi, T. and Tanaka, Y.. (1999) Variable Selection in Principal Component Analysis Based on a Subset of Variables, The 52nd Session of the ISI, Helsinki, Finland.
Tanaka, Y., Mori, Y. (1997) Principal Component Analysis based on a subset of variables: variable selection and sensitivity analysis, American Journal of Mathematical and Management Sciences, 17, 1&2, 61-89.

2.5 Descrizione del programma e dei compiti dell'Unità di Ricerca


Testo italiano

L’Unità di Ricerca si propone due fondamentali obiettivi.
Il primo consiste nello sviluppare metodi di sintesi (in generale metodi fattoriali) che permettano di migliorare la capacità di utilizzo delle informazioni sia in senso statico che dinamico e che ne permettano l‘uso anche con di metriche differenti. Si pensa quindi ai metodi fattoriali dinamici che passano attraverso l’analisi spettrale ed a metriche di tipo chi-quadrato derivate dall’analisi delle corrispondenze. Lo sviluppo in queste direzioni si collega al gruppo di Lippi, Reichlin ecc. ed ai lavori di Watson ecc. che hanno espressamente sviluppato sia sul piano teorico che applicativo interessanti ricerche tese soprattutto alla individuazione del ciclo economico mediante filtri bilaterali. Nel nostro caso si tratta di esigenze diverse, di tipo previsivo, per le quali sarà necessario adattare la stessa metodica modificata però con filtri unilaterali. Una collaborazione indiretta con il CEPR dovrebbe permettere uno scambio di esperienze ma soprattutto verificare le capacità previsive su dei precisi data-set.
Il problema della stima anticipata è, in generale, lungi dall’essere univocamente determinato e può essere condizionato da vincoli diversi che solo caso per caso possono essere ulteriormente affrontati ed indagati. Molteplici sono le vie che possono essere percorse ai fini di un ulteriore miglioramento essendo le idee e le tecniche estremamente flessibili e tali da adattarsi alle diverse esigenze che possono avere gli utilizzatori. In particolare, queste esigenze determineranno i livelli gerarchici di aggregazione delle informazioni, con l'obiettivo del miglior equilibrio tra tempestività, semplicità operativa, contenuto informativo e complessità della modellizzazione statistica adottata. Non bisogna dimenticare che uno scopo di questa ricerca è quello di fornire strumenti utilizzabili da singoli ricercatori e non così complessi da essere appannaggio di equipe. Proprio per rendere lo strumento metodologico il più affidabile possibile, anche in assenza accidentale di dati, e perciò sfruttare ugualmente le caratteristiche del modello proposto , sono state implementate delle tecniche di ricostruzione dei dati basate sul PLS (Partial Least Squares) che si pensa di testare sia su dati reali sia su dati simulati al fine di quantificarne le caratteristiche. Già in questa prima fase si pensa ad una stretta collaborazione con l’Unità di Ricerca di Firenze con la quale verificare obiettivi comuni. Il secondo obiettivo è collegato alla necessità di ridurre il numero delle variabili analizzate per poter accelerare i tempi di rilevazione dei dati. Esistono in effetti molte altre circostanze nelle quali è opportuno individuare un sottoinsieme di dimensione ridotta. In alcune applicazioni, può accadere che siano state rilevate troppe variabili con diverse conseguenze: alcune delle variabili a disposizione possono risultare irrilevanti per il perseguimento degli obiettivi o contaminare le relazioni e i legami già esistenti; è necessario rilevare un numero elevato di osservazioni per la stima dei parametri, la selezione delle variabili, allora, potrebbe essere richiesta per contenere i costi per la rilevazione infine può accadere che il consistente numero di parametri da stimare, potrebbe complicare la funzione obiettivo da valutare o addirittura impedire l’utilizzo pratico di un particolare modello. Per tutte queste situazioni è necessaria la selezione delle variabili. A tale scopo si propone di partire dal criterio di Braun, ripreso più tardi da Maravalle, basato sulla distanza tra configurazioni di punti. Si tratta di un criterio molto simile a quello illustrato qualche anno dopo da Robert ed Escoufier che trova il suo fondamento teorico in una particolare classe di operatori lineari e che dal punto di vista pratico concerne l’approssimazione di una configurazione (spazio) iniziale di serie storiche mediante un suo sottoinsieme (spazio approssimante) che mantenga inalterata o comunque modifichi al minimo la struttura degli autovettori corrispondenti. La ricerca si propone di verificare ipotesi diverse basate sui differenti concetti di distanza come pure su: la capacità predittiva; la covarianza condizionata e la correlazione canonica.
Stabilito il criterio di selezione, due ulteriori questioni vanno esaminate: il numero k delle variabili da selezionare e la procedura di selezione.
La prima è piuttosto delicata, in quanto la determinazione di tale numero è fatta su considerazioni generalmente non statistiche, ma di tipo soggettivo e in alcuni casi anche di tipo economico, dipende dall’ampiezza del data set iniziale e in ogni caso non può prescindere dall’obiettivo finale che si vuole perseguire.
La seconda è quella più interessante da un punto di vista computazionale. La situazione ideale sarebbe quella nella quale si considerano tutti i possibili (2**k-1) sottoinsiemi di variabili e si calcola il criterio scelto per ognuno di essi (ricerca esaustiva dell’ottimo). Una ricerca esaustiva ha due importanti conseguenze:
1) dall'andamento della funzione obiettivo è possibile derivare delle utili informazioni sull’ampiezza del sottoinsieme da selezionare;
2) per ogni ampiezza è possibile calcolare non solo la soluzione ottima, ma anche le prime s soluzioni (s dipende non solo dal numero delle variabili originarie, ma anche dalla complessità computazionale della funzione obiettivo), consentendo così di evidenziare le variabili che, non essendo sempre presenti nelle prime s soluzioni, possono essere tra loro “scambiate” (alcune infatti potrebbero essere rilevate in tempi più brevi o a costi più ridotti).
Purtroppo lo sforzo computazionale per considerare tutti i possibili sottoinsiemi di variabili è notevole e cresce esponenzialmente con il numero delle variabili stesse (la ricerca esaustiva, infatti, costituisce un problema np-completo). E’ questa la ragione principale per la quale procedure di ricerca esaustiva sono state sviluppate nel contesto della regressione multipla ma non in quello dell’analisi multivariata che generalmente coinvolge un numero molto elevato di variabili. In questi casi si ricorre a procedure di tipo sequenziale in cui si seleziona o si elimina una variabile per volta. Una proposta per la selezione efficiente di variabili nell’ACP è quella basata sulla distanza tra gli operatori di Escoufier contenuta nella tesi di dottorato della Ciammola, proposta che soddisfa determinati requisiti: ha un andamento monotono, è computazionalmente poco costoso e per esso è possibile limitare superiormente l'errore commesso scegliendo una soluzione derivata da una procedura di tipo step-wise. Questi requisiti dovranno consentire di sviluppare un algoritmo di ricerca esaustiva particolarmente idoneo ai nostri obiettivi. In questa seconda fase esiste una forte sinergia anche con l’Unità di Ricerca di Roma-La Sapienza-, con la quale si verificano e sperimentano metodologie comuni.


Testo inglese
The research unit sets itself two fundamental objectives.
The first one consists in the development of synthesis methods (generally factorial methods) which let better the ability to use information whether in a static sense or in a dynamic one and to use them with different metrics, too. So we refer to dynamic factorial methods which pass through spectrum analysis and x2 metrics, derived from the correspondence analysis. The development in these directions is connected to Lippi Reichlin’s group, Watson’s papers, etc, which have explicitly worked out –whether on a theoretical level or on an application one- interesting researches, that are intent on the determination of the economic cycle through bilateral filters. In our case it regards different forecasting requirements, for which it’ll be necessary to adapt the same methodology but with unilateral filters. An indirect teamwork with CEPR had to allow an experience exchange and above all to test the forecasting skills about some data-sets.
The anticipate estimate problem is in general far from being univocally determined and can be conditioned by different links that, depending on the case, can further be tackled and inquired. Multifarious are the directions which can be covered for the further improvement, as ideas and techniques are extremely flexible and such that they can adapt to the different needs of the users. In particular these needs will set out the aggregation hierarchic levels of information in order to get the best balance between timeliness, operational simplicity, informative content and complexity of the static modelling, that has been taken. We shouldn’t forget that one of the objectives of this research is that to provide means which can be utilised by single researcher and which are not so complex to be prerogative of a team. To make the
Methodological instrument right the most reliable possible, even in accidental data absence, and so to exploit equally the features of the proposed model, have been implemented some rebuilding data techniques based on PLS, which we want to test whether on real data or on simulated ones in order to quantify their marks.
The second objective is connected to the need to reduce the number of the analysed variables to speed up the time data recording. There are in fact a lot of events, in which it is advisable to identify a subset of reduced size. In some applications it happens that too many variables have been pointed out with different consequences.
1) Some of the available variables can be insignificant for the object pursuit or
contaminate the already existing relationships and links;
2) It could be necessary to notice an high number of observations for the parameter estimate; the variable selection could be required then for the price control for the observation;
3) Finally it happens that the substantial number of estimate parameters could complicate the impartial function to estimate or even to stop the practical use of a particular model.
For all these circumstances it is necessary the variable selection. For this reason we suggest starting from Braun’s criterion, which has been later taken on again from Maravalle and based on the distance between the configuration of points. It is a criterion which has been later taken again from Maravalle and based on the distance between the configuration of points. It is a criterion that looks like that one explained after a few years by Robert and Escoufier and which find its theoretic basis in particular class of linear operators and which practically regards the approximation of starting configuration of time series through one of its subset (approximating space) that keeps unalterable or however modifies to a minimum the structure of the corresponding eigen-vectors.
This research intends to verify different hypotheses, based on different distance idea as well as the forecasting skill, the conditional covariance and the canonical correlations.
After we have established the selection criterion, we should examine two further issues: the k variable number to select and the selection procedure.
The first one is rather delicate, as the determination of such a number is not made on generally static remarks but of subjective kind and sometimes of economic one, too. It depends on the size of the initial data set and in any case can’t set aside the final aim that we want to pursue.
The second one is the most interesting in a computational view. The ideal situation would be if we consider all the possible variable (2**?-1) subsets and we estimate the criterion that we have chosen for each of them (exhaustive research of the optimum). An exhaustive research has got two important consequences.
1) From the trend of the objective function it is possible to derive some useful information about the size of the subset to select;
2) For each size it is possible to evaluate not only the optimal solution but also the first s ones (s depends not only on the original variable number but also on the computational complexity of the objective function), and so it is possible to point out variables which, even if they are not always present in the first s solutions, can be “exchanged” each other (some could be indeed pointed out in shorter times or cutter prices).
Unfortunately the computational effort to consider all the possible variable subsets is considerable and is increasing exponentially together with the number of the variables themselves (the exhaustive research indeed represents a np-complete problem). This is the main reason why exhaustive research procedures have been developed in multiple regression context and not in that one of multivariate analysis which generally involves a very high variable number. In these circumstances we resort to sequential procedures in which we select or eliminate one variable at time. A suggestion for an efficient variable selection in PCA is represented by a new criterion based on the distance between Escoufier’s operators and that one contained in Ciammola’s PhD dissertation, which meets particular requirements: it has got a monotonous trend, it is not heavy computationally and has got an upper-bound of mistake by the choice of a solution which is derived from a step-wise procedure. These requirements will allow to develop an algorithm of exhaustive research.

2.6 Descrizione delle attrezzature già disponibili ed utilizzabili per la ricerca proposta


Testo italiano


Nessuna

Testo inglese

Nessuna


2.7 Descrizione della richiesta di Grandi attrezzature (GA)


Testo italiano


Nessuna

Testo inglese

Nessuna


2.8 Mesi uomo complessivi dedicati al programma

  Numero  Mesi Uomo 
Personale universitario dell'Università sede dell'Unità di Ricerca  3  38 
Personale universitario dell'Università sede dell'Unità di Ricerca (altri)  0  0 
Personale universitario di altre Università  0  0 
Personale universitario di altre Università (altri)  0  0 
Titolari di assegni di ricerca  1  10 
Titolari di borse dottorato e post-dottorato  0  0 
Personale a contratto   0  0 
Personale extrauniversitario  1  4 
TOTALE 52 



PARTE III


3.1 Costo complessivo del Programma dell'Unità di Ricerca


Testo italiano

Voce di spesa  Spesa in Euro  Descrizione 
Materiale inventariabile  3.100  Computer,stampanti, software e libri 
Grandi Attrezzature     
Materiale di consumo e funzionamento  500  carta e cartucce per stampanti 
Spese per calcolo ed elaborazione dati     
Personale a contratto     
Servizi esterni     
Missioni  9.000  Per missioni relative ad incontri con gli altri gruppi e on esperti di settore 
Pubblicazioni     
Partecipazione / Organizzazione convegni  15.000  Spese di viaggio e tasse di iscrizione per convegni in Italia ed all'estero 
Altro   1.000  docenti per seminari e conferenze 
TOTALE 28.600    


Testo inglese
Voce di spesa  Spesa in Euro  Descrizione 
Materiale inventariabile  3.100  PC,printer, software, books 
Grandi Attrezzature     
Materiale di consumo e funzionamento  500  paper and ink print cartridge 
Spese per calcolo ed elaborazione dati     
Personale a contratto     
Servizi esterni     
Missioni  9.000  Missions and meetings with internal and external experts 
Pubblicazioni     
Partecipazione / Organizzazione convegni  15.000  Travel and tax fee for International Conference 
Altro   1.000  visiting professor for conference and breefing 
TOTALE 28.600    

 

Il progetto è già stato cofinanziato da altre amministrazioni pubbliche (art. 4 bando 2003)?     NO  



 

3.3 Tabella riassuntiva

Costo complessivo del Programma dell'Unità di Ricerca  28.600 
Costo minimo per garantire la possibilità di verifica dei risultati  15.000 
Fondi disponibili (RD)  6.200 
Fondi acquisibili (RA)  2.400 
Cofinanziamento di altre amministrazioni pubbliche (art. 4 bando 2003)   
Cofinanziamento richiesto al MIUR  20.000 



PARTE IV


4.1 Risorse finanziarie già disponibili all'atto della domanda e utilizzabili a sostegno del Programma

 

Provenienza  Anno  Importo disponibile  Note 
Università       
Dipartimento  2003   1.500  Fondi attribuiti dal Dip. SIE in data 18/3/2003 
CNR       
Unione Europea       
Altro  2002   4.700  Fondi ex 60% anno precedente 
TOTALE    6.200    


4.2 Risorse finanziarie acquisibili in data successiva a quella della domanda e utilizzabili a sostegno del programma nell'ambito della durata prevista

 

Provenienza  Anno della domanda o stipula del contratto  Stato di approvazione  Quota disponibile per il programma  Note 
Università  2003   disponibile in caso di accettazione della domanda   2.400  Attribuiti in data 18/3/2003 
Dipartimento         
CNR         
Unione Europea         
Altro         
TOTALE       2.400    


4.3 Certifico la dichiarata disponibilità e l'utilizzabilità dei fondi di cui ai punti 4.1 e 4.2:

SI



(per la copia da depositare presso l'Ateneo e per l'assenso alla diffusione via Internet delle informazioni riguardanti i programmi finanziati; legge del 31.12.96 n° 675 sulla "Tutela dei dati personali")


Firma _____________________________________   Data 24/03/2003 ore 19:13