A Symbolic Sata Analysis approach to explore the relation between Governance and Performance in the Italian Industrial Districs
Abstract
Nowadays, complex phenomena need to be analyzed through
appropriate statistical methods that allow considering the knowledge
hidden behind the classical data structure. Interesting innovations
arise when looking a well‐know topic in a new perspective. This means
to gain new knowledge by reframing events through the integration of
new meanings within the complexity of concepts. Symbolic Data
Analysis ‐ SDA ‐ allows to manage these complex data structures in a
suitable way. We aim to develop new contextual implications for future
studies designed on the operationalization process and the statistical
analysis of a theoretical constructs in order to discover latent
knowledge. The main proposal is to move from fist‐level units to
second‐level units by means of statistical tools that allow taking into
account complex objects as a whole. We use SDA to model the intent of
a concept by describing the classes of individuals that compose its
extent defined by a Symbolic Data Object. In order to validate the
importance of this approach, the Italian model of Industrial Districts is
referred as the context of application. We retain that the Industrial
District concept can be studied by means of an aggregation of first‐
level units (firms) in terms of their performance ratios expressed as
interval or histogram‐valued variables. In particular, we are interested in exploring the relation between Governance and Performance in the
Italian Industrial Districts considered as a whole.
The study of such new entities by means of Exploratory
Multidimensional Data Analysis allows to compare Symbolic Industrial
Districts, to classify them into homogeneous clusters according to
similarity measures and to represent them in a reduced space.
Working on different subsets of the initial data set, the Symbolic
Principal Component Analysis for histogram‐valued data highlights,
through the factorial maps representations, the main relationships
among performance ratios and, reducing the redundancy of the data,
allows to discover useful patterns into the data. Furthermore, the
hierarchical classification underlines the presence of homogeneous
groups of Symbolic Industrial Districts both in terms of Governance
attributes and the defined measure of Industrial District Performance. [edited by Author] L’analisi di fenomeni complessi necessita l’utilizzo di metodi
statistici avanzati in grado di considerare la conoscenza nascosta in
strutture di dati classiche. Studiare un argomento ben noto in
letteratura seguendo una differente prospettiva può fare emergere
interessanti innovazioni. L’estrazione di conoscenza, attraverso la
continua reinterpretazione degli eventi, aggiunge nuovo significato alla
complessità dei concetti. L’Analisi Simbolica dei Dati ‐ SDA ‐ permette
di cogliere e analizzare questo importante aspetto. Il presente lavoro si
inserisce nell’ambito della definizione operativa e analisi quantitativa
di un costrutto teorico noto, al fine di fare emergere la conoscenza
latente in strutture di dati standard. I metodi tipici della SDA
permettono di modellare l’intensione di un concetto mediante
l’individuazione degli individui che ne compongono l’estensione, così
come definita dal Dato Simbolico. Infine, un’applicazione sul modello
italiano di Distretto Industriale sarà presentata per mostrare
l’importanza dell’approccio proposto. Tale approccio, nella sua fase
preliminare, consiste nell’individuazione e nell’utilizzo di appropriate
metodologie statistiche che permettano di trasformare i dati iniziali,
passando da unità di primo livello a unità di secondo livello, che, al
tempo stesso, conservino la complessità e la variabilità dei dati. Riteniamo che il concetto di Distretto Industriale possa essere
studiato mediante l'aggregazione di unità di primo livello (le imprese)
in termini di indici di performance espressi come variabili ad intervallo
o istogrammi. In particolare, siamo interessati ad esplorare la relazione
tra i sistemi di Governance vigenti e la Performance economico‐
finanziaria nei distretti industriali italiani, considerati nella loro
complessità e totalità.
L’utilizzo di tecniche di Analisi Esplorative Multidimensionali dei
Dati ci permetterà di confrontare i differenti Distretti Industriali
Italiani, nella loro nuova veste simbolica, di individuare gruppi
omogenei di distretti industriali, e di rappresentarli in uno spazio di
ridotte dimensioni. Inoltre, lo studio di differenti subset emersi
tagliando il dataset iniziale in funzione della dimensione aziendale, farà
emergere la relazione tra i principali aspetti della Governance
distrettuale e la misura di Performance globale dei Distretti Industriali,
come emersa dall’Analisi in Componenti Principali per variabili
Istogramma. [a cura dell'Autore]