- Oggetto:
- Oggetto:
Modelli per dati qualitativi e longitudinali (non attivo)
- Oggetto:
Longitudinal Data Models
- Oggetto:
Anno accademico 2021/2022
- Codice dell'attività didattica
- ECM0155
- Docente
- Dalit Contini (Titolare del corso)
- Corso di studi
- Laurea magistrale in Metodi statistici ed economici per le decisioni - a Torino [0402M21]
- Anno
- 2° anno
- Periodo didattico
- Da definire
- Tipologia
- Affine o integrativo
- Crediti/Valenza
- 9
- SSD dell'attività didattica
- SECS-S/05 - statistica sociale
- Modalità di erogazione
- Tradizionale
- Lingua di insegnamento
- Italiano
- Modalità di frequenza
- Fortemente consigliata/Recommended
- Tipologia d'esame
- Scritto
- Prerequisiti
- Lo studente dovrebbe possedere conoscenze di livello intermedio di statistica inferenziale e di econometria.
- Oggetto:
Sommario insegnamento
- Oggetto:
Obiettivi formativi
L'obiettivo dell'insegnamento è di introdurre lo studente ai modelli per dati longitudinali (dati di durata e dati panel) e ai modelli multilivello in contesti e applicazioni diverse.
Aim of the course is to introduce the students to longitudinal data modeling (duration data and panel data) and to multilevel models in different contexts.
- Oggetto:
Risultati dell'apprendimento attesi
Lo studente dovrà possedere una buona conoscenza degli argomenti trattati ed essere in grado di utilizzare consapevolmente gli strumenti acquisiti. In particolare, dovrà dimostrare di padroneggiare i fondamenti logici dei modelli per dati di durata (anche detti modelli di sopravvivenza), dei metodi di stima parametrici e semi-parametrici, dell'inclusioni di covariate che variano nel tempo, dei modelli con destinazioni multiple. Dovrà inoltre essere in grado di scrivere la verosimiglianza completa e parziale in svariati casi applicativi, per modelli in tempo continuo e discreto. Dovrà aver compreso i fondamenti logici dei modelli (statici) per dati panel quantitativi e binari e dei relativi stimatori, con particolare rifermento ai modelli a effetti fissi e random, nonché ai modelli per dati multilivello in generale. Lo studente dovrà inoltre aver acquisito la capacità di interpretare i risultati delle stime dei modelli trattati.
We expect students to acquire good knowledge of the topics covered in the course. Students should be aware of the rationale of duration models, parametric and semi-parametric estimation methods, of the inclusion of time-varying covariates, and multiple destination models. Students should be able to write full and partial likelihood functions in many applied contexts, for continuous and discrete time models. They should understand the rationale of static panel data models for quantitative and binary data, and of fixed and random model estimators, as well as multilevel models for hierarchical data. Students should also have to competence to interpret the basic output of standard statistical packages.
- Oggetto:
Modalità di insegnamento
Lezioni frontali, esercitazioni in aula, esercitazioni in aula informatica con dati reali e simulati.
Lectures, excercise sessions and lab sessions on real and simulated data.
- Oggetto:
Modalità di verifica dell'apprendimento
Verifica scritta al termine dell'insegnamento 3 esercizi semi-strutturati, comprendenti quesiti di carattere teorico, definizione della funzione di verosimiglianza in uno specifico contesto applicativo, e interpretazione di risultati di analisi svolte.
Written test at the end of the course with three semi-structured exercises.
Students will be asked questions on the theoretical background, the likelihood function for specific models and data, the intepretation of the results of statistical analyses.- Oggetto:
Programma
1) Analisi della sopravvivenza:
Metodi parametrici e non-parametrici.
Modello semi-parametrico di Cox e piecewise constant.
Covariate variabili nel tempo.
Modello a rischi competitivi.
Modelli di durata per tempo discreto.2) Modelli statici per l'analisi di dati panel
Effetti fissi e effetti random e relativi stimatori
Modelli per dati panel binari3) Modelli multilivello (effetti random) per dati gererchici
1) Survival analysis:
Parametric and non-parametric methods
Cox and piecewise constant models.
Time varying covariates.
Competiting risks model.
Duration models for discrete time data.2) Static models for panel data
Fixed and random effects
Panel data models for binary data3) Multilevel models for hierarchical data
Testi consigliati e bibliografia
- Oggetto:
Box-Steffensmeier, Jones "Event history modeling. A guide for social scientists", Cambridge University Press (ordinabile su Amazon)
Jenkins "Survival analysis", pdf scaricabile da https://www.iser.essex.ac.uk/files/teaching/stephenj/ec968/pdfs/ec968lnotesv6.pdf
Materiali preparati dalla docente (disponibili online)Box-Steffensmeier, Jones "Event history modeling. A guide for social scientists", Cambridge University Press
Jenkins "Survival analysis", downloadable pdf on https://www.iser.essex.ac.uk/files/teaching/stephenj/ec968/pdfs/ec968lnotesv6.pdf
Materials prepared by the teacher (available online)- Oggetto:
