Nello studio dei fenomeni reali, spesso ci si trova ad analizzare dati che hanno una struttura gerarchica. Nei problemi di valutazione della performance dei servizi alla persona di pubblica utilità (sanità, formazione, sociale, etc.) lo studio delle relazioni/associazioni tra le unità semplici e i gruppi di appartenenza è particolarmente interessante ed informativo. Il concetto generale è che gli individui interagendo con l’ambiente, risultano influenzati nelle loro scelte o nel loro modo di reagire a stimoli, dal gruppo sociale o dal contesto a cui appartengono (Hox, 2002). Le variazioni negli atteggiamenti degli individui (preferenze, propensioni all’acquisto, soddisfazione), quindi, non dipenderanno solo dalle variabili misurate sugli stessi, ma anche dall’influenza che il contesto ha su di loro. In letteratura sono proposte diverse strategie di analisi per dati con struttura di tipo gerarchico. Distinguiamo le tecniche inferenziali come i modelli regressivi multilivello (Bryk & Raudenbush, 1992; Goldstein, 1987; Longford, 1986; Aitkin, 1981), dalle tecniche esplorative di analisi dei dati come l’Analisi in Componenti Principali non lineare gerarchica (Michealidis & de Leeuw, 2000, Gallo & Lombardo, 2001; Lombardo & Gallo 2004). Il presente lavoro si inquadra tra le tecniche di analisi multidimensionale dei dati e si basa sull’algoritmo NIPALS (Non-linear Iterative Partial Least Squares, Wold, 1966) che consente la stima di componenti principali lineari. L’idea principale è di analizzare i dati evidenziando l’influenza che i gruppi hanno sul contesto generale, così come la dipendenza di ciascun gruppo dal contesto. La metodologia proposta è illustrata mediante l’uso di un data set utilizzato per misurare la soddisfazione di pazienti ricoverati presso l’istituto ospedaliero dell’Universitet di Linkoping in Svezia (Krevers 2002). I dati presentano una struttura gerarchica a due livelli: i pazienti e i reparti di degenza.