Gli indicatori compositi sono modelli computazionali utilizzati per misurare e confrontare la performance di Paesi, organizzazioni, aziende, persone, ecc. Sono strumenti affidabili che hanno recentemente guadagnato popolarità per la loro efficacia nel risolvere problemi di misurazione multidimensionale, fornendo un’aggregazione di diverse dimensioni in un unico indice. Una delle questioni ancora aperte in letteratura è l’individuazione di pesi opportuni da assegnare alle diverse dimensioni.
Lo studio intitolato “Sensitivity-based weighting method for composite indicators” condotto da Chiara Gigliarano e Viet Duong Nguyen (rispettivamente, Professore Ordinario e Assegnista di Ricerca presso la Scuola di Economia e Management della LIUC) propone un nuovo metodo di ponderazione per gli indici compositi. La soluzione proposta è denominata “sensitivity-based weights” e attribuisce a ciascuna dimensione un peso proporzionale alla varianza dell’output spiegata dall’input corrispondente.
La procedura di ponderazione proposta offre diversi vantaggi. Ad esempio, i pesi ottenuti possono essere facilmente compresi dai policy-maker. Inoltre, il metodo dimostra una grande compatibilità con qualsiasi struttura di correlazione, compreso il caso di input poco correlati (a differenza di metodi di ponderazione basati sull’analisi delle correlazioni, come PCA e FA).
