Multidimensional phenomena are often characterised by nested latent concepts ordered in a hierarchical structure, from the most specific to the most general ones. In this paper, we model a nonnegative data covariance matrix by extending the Ultrametric Correlation Model to covariance matrices. The proposal is a parsimonious model which identifies a partition of variables in a reduced number of groups, and the relationships among them via the ultrametric property. The proposed model is applied to investigate the relationships among the dimensions of the Teachers' Job Satisfaction in Italian secondary schools.

I fenomeni multidimensionali sono spesso caratterizzati da concetti latenti ordinati in una struttura gerarchica, dai più specifici al più generale. In questo articolo ci proponiamo di modellare una matrice di coviarianza nonnegativa, estendendo il modello chiamato Ultrametric Correlation Model alle matrici di covarianza. La proposta metodologica si esplica in un modello parsimonioso che identifica una partizione di variabili in un numero ridotto di gruppi e le loro relazioni mediante la proprietà di ultrametricità. Il modello proposto è applicato allo studio delle relazioni tra le dimensioni della soddisfazione lavorativa dei professori nelle scuole italiane superiori di secondo grado.

The ultrametric covariance model for modelling teachers’ job satisfaction / Cavicchia, Carlo; Vichi, Maurizio; Zaccaria, Giorgia. - (2021), pp. 1319-1324. (Intervento presentato al convegno 50th Edition of the Scientific Meeting of the Italian Statistical Society tenutosi a Pisa; Italy).

The ultrametric covariance model for modelling teachers’ job satisfaction

Carlo Cavicchia;Maurizio Vichi;Giorgia Zaccaria
2021

Abstract

Multidimensional phenomena are often characterised by nested latent concepts ordered in a hierarchical structure, from the most specific to the most general ones. In this paper, we model a nonnegative data covariance matrix by extending the Ultrametric Correlation Model to covariance matrices. The proposal is a parsimonious model which identifies a partition of variables in a reduced number of groups, and the relationships among them via the ultrametric property. The proposed model is applied to investigate the relationships among the dimensions of the Teachers' Job Satisfaction in Italian secondary schools.
2021
50th Edition of the Scientific Meeting of the Italian Statistical Society
I fenomeni multidimensionali sono spesso caratterizzati da concetti latenti ordinati in una struttura gerarchica, dai più specifici al più generale. In questo articolo ci proponiamo di modellare una matrice di coviarianza nonnegativa, estendendo il modello chiamato Ultrametric Correlation Model alle matrici di covarianza. La proposta metodologica si esplica in un modello parsimonioso che identifica una partizione di variabili in un numero ridotto di gruppi e le loro relazioni mediante la proprietà di ultrametricità. Il modello proposto è applicato allo studio delle relazioni tra le dimensioni della soddisfazione lavorativa dei professori nelle scuole italiane superiori di secondo grado.
ultrametric matrices; hierarchical structures; teachers' job satisfaction; confirmatory analysis; dimensionality reduction
04 Pubblicazione in atti di convegno::04b Atto di convegno in volume
The ultrametric covariance model for modelling teachers’ job satisfaction / Cavicchia, Carlo; Vichi, Maurizio; Zaccaria, Giorgia. - (2021), pp. 1319-1324. (Intervento presentato al convegno 50th Edition of the Scientific Meeting of the Italian Statistical Society tenutosi a Pisa; Italy).
File allegati a questo prodotto
File Dimensione Formato  
Cavicchia_ultrametric-covariance-model_frontespizio_2021.pdf

accesso aperto

Tipologia: Versione editoriale (versione pubblicata con il layout dell'editore)
Licenza: Tutti i diritti riservati (All rights reserved)
Dimensione 115.29 kB
Formato Adobe PDF
115.29 kB Adobe PDF
Cavicchia_ultrametric-covariance-model_quarta_2021.pdf

accesso aperto

Tipologia: Versione editoriale (versione pubblicata con il layout dell'editore)
Licenza: Tutti i diritti riservati (All rights reserved)
Dimensione 7.15 kB
Formato Adobe PDF
7.15 kB Adobe PDF
Cavicchia_ultrametric-covariance-model_indice_2021.pdf

accesso aperto

Tipologia: Versione editoriale (versione pubblicata con il layout dell'editore)
Licenza: Tutti i diritti riservati (All rights reserved)
Dimensione 88.96 kB
Formato Adobe PDF
88.96 kB Adobe PDF
Cavicchia_ultrametric-covariance-model_2021.pdf

accesso aperto

Tipologia: Versione editoriale (versione pubblicata con il layout dell'editore)
Licenza: Tutti i diritti riservati (All rights reserved)
Dimensione 146.91 kB
Formato Adobe PDF
146.91 kB Adobe PDF

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11573/1554267
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact