1. BarCampBarCamp SharingSharing Data andData and StatisticalStatistical KnowledgeKnowledge
Wed OctWed Oct 2020,, 20102010 Rome ItalyRome Italy
ModelliModelli comportamentalicomportamentali deidei consumatoriconsumatori
Bianca Maria MartelliBianca Maria MartelliBianca Maria MartelliBianca Maria Martelli
b.martelli@isae.itb.martelli@isae.it
ISAEISAE –– IstitutoIstituto didi StudiStudi ee AnalisiAnalisi EconomicaEconomica
EstrattoEstratto dada :: Luciana Crosilla, Bianca Maria Martelli, (2010), “Did World Crisis Boost
Consumers Innovative Behaviour? Early detection by cluster analysis, paper
presentato alla 30th CIRET Conference, New York, October 2010
1

2. Fonte informativa
Inchiesta congiunturale ISAE presso i consumatori
2000 interviste mensili
Parte di un progetto armonizzato europeo a cuiParte di un progetto armonizzato europeo a cui
partecipano tutti gli stati membri
Dati qualitativi su giudizi e attese sulla situazione
personale e del paese
BarCampBarCamp Sharing Data and Statistical Knowledge, OctoberSharing Data and Statistical Knowledge, October 2020,, 20102010, Rome, Italy, Rome, Italy 22

3. Dati qualitativi
Per ogni domanda sono calcolati i SALDI come differenza fra
le risposte positive e quelle negative
L’INDICATORE DI FIDUCIA è calcolato come media semplice
di alcune domande selezionatedi alcune domande selezionate
L’indicatore di fiducia rappresenta una quantificazione
sintetica e immediata delle opinioni dei consumatori
BarCampBarCamp Sharing Data and Statistical Knowledge, OctoberSharing Data and Statistical Knowledge, October 2020,, 20102010, Rome, Italy, Rome, Italy 33

4. PIL e Indicatori di Fiducia
100
110
120
130
-1
1
3
5
BarCampBarCamp Sharing Data and Statistical Knowledge, OctoberSharing Data and Statistical Knowledge, October 2020,, 20102010, Rome, Italy, Rome, Italy 44
70
80
90
-7
-5
-3
GDP (t-4 % ch lhs) Consumer Confidence (index, 1980=100, rhs)
Personal Confidence (index, 1980=100, rhs) Future Confidence (Index, 1980=100, rhs)

5. Limiti della FIDUCIA
La fiducia tuttavia non sfrutta appieno il contenuto
informativo dell’inchiesta (è un indice di SINTESI)
• le risposte neutrali /stazionarie non sono
considerate nelle elaborazioniconsiderate nelle elaborazioni
• non sono considerate le possibili interazioni fra le
le risposte a livello individuale
BarCampBarCamp Sharing Data and Statistical Knowledge, OctoberSharing Data and Statistical Knowledge, October 2020,, 20102010, Rome, Italy, Rome, Italy 55

6. APPROCCIO ALTERNATIVO: CLUSTER ANALYSIS
Anche ANALISI DEI GRUPPI: utile per studiare
informazioni a livello individuale
ee
identificare modelli comportamentali nelle risposte
BarCampBarCamp Sharing Data and Statistical Knowledge, OctoberSharing Data and Statistical Knowledge, October 2020,, 20102010, Rome, Italy, Rome, Italy 66

7. la Cluster Analysis è stata utilizzata per una ricerca
libera di possibili associazioni (modelli) fra i dati
Fra i modelli individuati alcuni si sono mostrati
METODOLOGIAMETODOLOGIA
Fra i modelli individuati alcuni si sono mostrati
ricorsivi (analisi longitudinale ok) ,
altri temporanei (analisi meno immediata)
BarCampBarCamp Sharing Data and Statistical Knowledge, OctoberSharing Data and Statistical Knowledge, October 2020,, 20102010, Rome, Italy, Rome, Italy 77

8. In entrambi i casi è importante stabilire una
graduazione nell’ottimismo nei modelli individuati
per poterli confrontare in momenti successivi
Uno strumento utile in questa fase è costituito dal
dendrogramma, cioè un grafico che mostra le
distanze (similarità) fra i modelli (clusters)
METODOLOGIAMETODOLOGIA
distanze (similarità) fra i modelli (clusters)
La graduazione tuttavia spesso implica l’uso di
criteri soggettivi nella definizione di ottimismo /
pessimismo
BarCampBarCamp Sharing Data and Statistical Knowledge, OctoberSharing Data and Statistical Knowledge, October 2020,, 20102010, Rome, Italy, Rome, Italy 88

9. Per potere applicare l’algoritmo di clustering le risposte
alle domande devono essere codificate in forma binaria
È stato utilizzato l’algoritmo di clustering PAM
(Partition Around Medoids) che permette di fissare il
METODOLOGIAMETODOLOGIA
(Partition Around Medoids) che permette di fissare il
centro dei gruppi identificati oppure di lasciarne
l’identificazione libera da ogni vincolo
BarCampBarCamp Sharing Data and Statistical Knowledge, OctoberSharing Data and Statistical Knowledge, October 2020,, 20102010, Rome, Italy, Rome, Italy 99

10. Nel periodo 2007-2010 la fiducia dei consumatori
italiani:
flette dal 2007
subisce un tracollo durante la recessione (2008)
METODOLOGIAMETODOLOGIA
subisce un tracollo durante la recessione (2008)
per poi recuperare dalla fine del 2008
e flette nuovamente dall’autunno del 2009
BarCampBarCamp Sharing Data and Statistical Knowledge, OctoberSharing Data and Statistical Knowledge, October 2020,, 20102010, Rome, Italy, Rome, Italy 1010

11. La metodologia delineata è stata applicata a sei
rilevazioni dell’indagine rappresentative di questa
evoluzione
Tre massimi (dicembre 2006, gennaio 2007 e
METODOLOGIAMETODOLOGIA
Tre massimi (dicembre 2006, gennaio 2007 e
settembre 2009)
e tre minimi: marzo 2008, novembre 2008 e maggio
2010
BarCampBarCamp Sharing Data and Statistical Knowledge, OctoberSharing Data and Statistical Knowledge, October 2020,, 20102010, Rome, Italy, Rome, Italy 1111

12. RISULTATIRISULTATI
Identificazione empirica di sette modelli
comportamentali per ogni rilevazione che
massimizzano la qualità dei cluster sotto il vincolo
dell’interpretabilità economica
I modelli sono stati ordinati soggettivamente
BarCampBarCamp Sharing Data and Statistical Knowledge, OctoberSharing Data and Statistical Knowledge, October 2020,, 20102010, Rome, Italy, Rome, Italy 1212
I modelli sono stati ordinati soggettivamente
partendo dal più pessimista (sinistra) al più ottimista
(a destra)

13. RISULTATIRISULTATI
Sei (su sette) modelli sono comuni a tutte le
rilevazioni (e permettono i confronti longitudinali)
Un modello è presente solo in due dei massimi
(BS – dicembre 2006 e settembre 2009, ma non in
BarCampBarCamp Sharing Data and Statistical Knowledge, OctoberSharing Data and Statistical Knowledge, October 2020,, 20102010, Rome, Italy, Rome, Italy 1313
(BS – dicembre 2006 e settembre 2009, ma non in
gennaio 2007)
Un modello (DP - il più pessimista) è identificato in
tutti i minimi e anche nel picco di gennaio 2007

14. RISULTATIRISULTATI
DP_ Deep Pessimist. The household situation of these respondent have worsened and it is expected to
further deteriorate. They succeed in “managing to make ends meet on their income” but they exclude
to save any money in the near future. This model is always present in trough waves and in one out of
three of peak waves
Sei modelli sono sempre presenti:
SP_Steady Pessimist. very similar to the previous one (DP) but expecting to stabilize in the
future the current worsening of the personal situation
WP_Weak Pessimist. Also very similar to the previous two clusters but with less decise
exclusion of the future possibility to save.
Modelli individuati (dal più pessimista al più ottimista)
BarCampBarCamp Sharing Data and Statistical Knowledge, OctoberSharing Data and Statistical Knowledge, October 2020,, 20102010, Rome, Italy, Rome, Italy 1414
exclusion of the future possibility to save.
CB_ Concerned Balanced . This cluster gathers people assessing a generally balanced
household situation, but completely excluding to save in the future.
OB_ Controlled_Balanced Very similar to the previous one, in this case respondents, while
stating a generally balanced household situation and also forecast future saving to be “fairy
unlikely”.
PB_ Provident Balanced. This group is composed by persons that believe to be presently and
in the future in a balanced situation. They only think appropriate to save something in the future.
BN _ Balanced Confident. Similar to the previous cluster, but also assessing the present
capability to save.
BS_ Balanced Saver. In a balanced personal situation, show current capability and future
intentions to save “a lot”. This model is detected in two (out of three) peak waves

15. RISULTATIRISULTATI
Alla fine del 2006 - inizio del
2007 la fiducia era
relativamente alta
La maggioranza dei
Subito prima della crisi: dicembre 2006, gennaio 2007
20
25
Peak (% values)
La maggioranza dei
consumatori si raccoglie nell’
ampio gruppo dei modelli
equilibrati( B..-Balanced),
La situazione di gennaio 2007
mostra già uno slittamento
verso sinistra (pessimismo)
BarCampBarCamp Sharing Data and Statistical Knowledge, OctoberSharing Data and Statistical Knowledge, October 2020,, 20102010, Rome, Italy, Rome, Italy 1515
5
10
15
DP SP WP CB OB PB BN BS
% Dec, 2006 % Jan, 2007

16. RISULTATIRISULTATI
Tra marzo e novembre si
rafforza il pessimismo
(aumentano DP-profondi
pessimisti )
Dentro alla recessione: marzo e novembre 2008
20
25
Trough (% values)
pessimisti )
A destra si rafforzano però
anche gli ottimisti (la % degli
equilibrati fiduciosi BN)
Polarizzazione
BarCampBarCamp Sharing Data and Statistical Knowledge, OctoberSharing Data and Statistical Knowledge, October 2020,, 20102010, Rome, Italy, Rome, Italy 1616
5
10
15
DP SP WP CB OB PB BN
% Mar, 2008 % Nov, 2008

17. RISULTATIRISULTATI
nel momento più favorevole,
settembre 2009, alta % di
ottimisti, i risparmiatori
equilibrati (BS)
Dopo la recessione: picco di settembre 2009 e minimo di maggio 2010
20
25
After recession (% values)
A maggio 2010 ritorna uno
slittamento verso sinistra
(pessimismo) e ricompare
il gruppo dei profondi
pessimisti (DP)
BarCampBarCamp Sharing Data and Statistical Knowledge, OctoberSharing Data and Statistical Knowledge, October 2020,, 20102010, Rome, Italy, Rome, Italy 1717
5
10
15
DP SP WP CB OB PB BN BS
Sept, 2009 Peak May, 2010 Low

18. MODELLI COMPORTAMENTALI DURANTE LAMODELLI COMPORTAMENTALI DURANTE LA
RECESSIONE E LA RIPRESA (RECESSIONE E LA RIPRESA (20072007--20102010))
20
25
Trough (% values)
20
25
Peak (% values)
BarCampBarCamp Sharing Data and Statistical Knowledge, OctoberSharing Data and Statistical Knowledge, October 2020,, 20102010, Rome, Italy, Rome, Italy 1818
5
10
15
DP SP WP CB OB PB BN
% Mar, 2008 % Nov, 2008 % May, 2010
5
10
15
DP SP WP CB OB PB BN BS
% Dec, 2006 % Jan, 2007 % Sept, 2009

19. Durante la recessione (minimi):
I consumatori italiani hanno mantenuto un
comportamento equilibrato (la maggioranza
dei modelli comprende la modalità stazionario
/stabile)
CONCLUSIONICONCLUSIONI
/stabile)
Una parte rilevante risulta ottimista
è presente il fenomeno della polarizzazione
BarCampBarCamp Sharing Data and Statistical Knowledge, OctoberSharing Data and Statistical Knowledge, October 2020,, 20102010, Rome, Italy, Rome, Italy 1919

20. Durante l’espansione (massimi):
Maggiore ottimismo dopo la recessione
Settembre 2009 rispetto a dicembre 2006:
CONCLUSIONICONCLUSIONI
Settembre 2009 rispetto a dicembre 2006:
• aumenta il gruppo dei più ottimisti (BS)
rispetto a dicembre 2006
• diminuisce il gruppo dei più pessimisti
(DP)
BarCampBarCamp Sharing Data and Statistical Knowledge, OctoberSharing Data and Statistical Knowledge, October 2020,, 20102010, Rome, Italy, Rome, Italy 2020