Analisi di dati categorici in riferimento al censimento Californiano

Il lavoro ha lo scopo di analizzare e valutare diversi approcci rivolti all'analisi di tavole di contingenza multidimensionali, costituite esclusivamente da variabili di tipo categorico, cercando di descrivere e spiegare potenziali forme di associazione tra le variabili prese in considerazione. Il primo strumento considerato è il modello log-lineare, metodo utilizzato quando si è in presenza di un vasto numero di variabili e di forme si associazione tra esse indefinite. Questo particolare modello, pone le variabili esplicative sullo stesso piano e modella le frequenze delle celle come variabile risposta. Si è poi proceduto al confronto tra modello log-lineare e modello logistico in particolari casistiche in cui essi risultano equivalenti per poi sviluppare e concludere l'analisi con un approccio più moderno riguardo le tavole di contingenza: l'analisi di classi latenti. Questo particolare metodo assume la presenza di una variabile latente grazie alla quale le variabili manifeste, condizionate ad essa, risultano indipendenti. I dati a disposizione, su cui è stata condotta l'analisi, fanno riferimento alla popolazione Californiana dell'anno 2000, il dataset utilizzato è un derivato del censimento Californiano (5%). L'analisi condotta sul nostro dataset di interesse è stata sviluppata con il linguaggio R, che al suo interno permette di implementare diversi pacchetti di funzioni (librerie) in base all'analisi che si vuole affrontare.