Inferenza causale bayesiana non parametrica per dati di conteggio: un'analisi dell’effetto dei Centri Antiviolenza sui femminicidi in Italia

La tesi studia l’evoluzione dei femminicidi in Italia nel periodo 2006–2016 utilizzando dati a livello comunale espressi come conteggi annuali di eventi rari. L’attenzione è rivolta agli omicidi commessi da partner o ex partner e alla domanda se la presenza di almeno un Centro Antiviolenza (CAV) nel comune sia associata a una variazione del numero di casi. I dati presentano molti zeri e forte eterogeneità tra comuni e nel tempo, rendendo necessaria una modellazione flessibile della risposta discreta. Il lavoro adotta un’impostazione bayesiana orientata all’inferenza causale. In primo luogo viene impiegato il modello Bayesian Causal Forest (BCF) per stimare l’effetto della presenza di almeno un CAV, controllando per un insieme di covariate socio-demografiche e istituzionali. In parallelo viene introdotto il framework Simultanous Transformation And Rounding (STAR), che tratta i conteggi tramite una rappresentazione latente continua ottenuta mediante trasformazioni e arrotondamento, mantenendo elevata flessibilità nella modellazione della variabile risposta. Il contributo metodologico principale dell’elaborato è la proposta di un modello BCF--STAR, che combina la struttura causale di BCF con il meccanismo latente di STAR e consente di integrare inferenza causale e modellazione flessibile di dati di conteggio in un unico impianto bayesiano. I modelli vengono applicati ai dati comunali con l’obiettivo di valutare l’effetto causale associato alla presenza dei CAV sull’evoluzione del fenomeno nel periodo considerato.