Vai al contenuto principale
Oggetto:
Oggetto:

Statistica sociale (non attivo nell'a.a. 2016/2017)

Oggetto:

Social statistics

Oggetto:

Anno accademico 2016/2017

Codice dell'attività didattica
SCP0305
Corso di studi
Laurea in Scienze statistiche - a Torino [009707]
Anno
3° anno
Tipologia
Caratterizzante
Crediti/Valenza
9
Modalità di erogazione
Tradizionale
Lingua di insegnamento
Italiano
Modalità di frequenza
Facoltativa/Discretionary
Tipologia d'esame
Scritto
Prerequisiti

Si prevede che lo studente abbia già sostenuto l'esame di Teoria delle decisioni ed Econometria 1.
Informal prerequisites: Decision theory ("Teoria statistica delle decisioni") and Econometrics.

Oggetto:

Sommario insegnamento

Oggetto:

Obiettivi formativi

Conoscenze e capacità di comprensione Obbiettivo del corso è far comprendere i fondamenti logici dell'analisi multivariata. Particolare attenzione verrà posta all'uso di dati qualitativi: come variabili indipendenti nella regressione lineare e come variabili dipendenti nei modelli di regressione logistica e logistica multinomiale. Utilizzo delle conoscenze e capacità di comprensione Obiettivo del corso è contribuire a sviluppare la capacità di formalizzare un modello per affrontare una domanda di ricerca empirica. Lo studente dovrà essere in grado di scegliere quale modello usare, quali variabili esplicative includere nel modello, come interpretare con piena consapevolezza i risultati delle analisi empiriche.
Knowledge and comprehension The course offers knowledge on the rationale of multivariate analysis. Why and when do we want to keep other variables under control? The course will focus on qualitative data: as independent variables in linear regression and as dependent variables in logistic and multinomial regression. Use of knowledge and comprehension Aim of the course is to contribute to the development of the ability to formalize a model to address an empirical research question. The student will have to be able to choose the model and the appropriate independent variables, and to intepret with full awareness the empirical results.

Oggetto:

Risultati dell'apprendimento attesi

Risultati attesi
Lo studente dovrà possedere una buona conoscenza degli argomenti trattati durante il corso ed essere in grado di utilizzare consapevolmente gli strumenti acquisiti. In particolare, dovrà dimostrare di aver compreso i fondamenti logici dell'analisi multivariata e dell'impiego di modelli per dati qualitativi.

Expected results
By the end of the course we expect students to have acquired good knowledge of the topics of the course anad have understood the rationale of multivariate analysis and the theoretical fundamentals of regression models for qualitative data.

Oggetto:

Modalità di verifica dell'apprendimento

 Modalità di verifica
I risultati di apprendimento sono valutati in itinere a livello di gruppo-classe, tramite lo svolgimento di esercitazioni e simulazioni di esame, e frequenti domande di controllo in aula.     

Al termine del corso è prevista una prova scritta, nella quale agli studenti verrà richiesto di intepretare i risultati di analisi statistiche, scrivere la appropriata funzione di verosimiglianza, rispondere a quesiti di carattere teorico.

 

Evaluation of achievement
Achievement is assessed during the course at the class-level; exercises and problems are proposed and solved together in class every lecture.

At the end of the course there will be a written examination with open questions. Students will have to intepret the results of statistical analyses, write the relevant likelihood function and answer to questions on the theory.

Oggetto:

Programma

Prima parte: Associazione bivariata e multivariata (3 cfu) - test di indipendenza X2 di Pearson - odds ratio e rischio relativo - modelli di associazione tra 3 e più variabili - logica dell'analisi multivariata: dipendenza causale e spuria, legami causali indiretti - cenni sui modelli loglineari per l'analisi di tabelle di contingenza multidimensionali - variabili esplicative qualitative e effetti di interazione nella regressione lineare Seconda parte: Modelli per dati qualitativi (5 cfu) - modelli per variabili binarie (regressione logit e probit) - interpretazione dei coefficienti di regressione con odds ratio, marginal effects e average sample effects - modelli per variabili nominali (regressione multinomiale) Terza parte: Analisi di un caso studio (1 cfu)
Part 1: Bivariate and multivariate association (3 cfu) - X2 independence test - odds ratio and relative risk - association models between three and more variables - rationale of multivariate analysis: causal and spurious dependence, indirect effects - introduction to loglinear modelling for the analysis of multivariate contingency tables - use of qualitative explanatory variables and interaction effects in linear regression Part 2: Models for qualitative dependent variables (5 cfu) - models for binary data (logit e probit regression) - interpretation of regression coefficients with odds ratio, marginal effects and average partial effects - models for nominal data (multinomial regression) Part 3: Analysis of a case study (1 cfu)

Testi consigliati e bibliografia

Oggetto:

Materiale didattico on-line preparato dalla docente. I seguenti testi possono essere utili per la preparazione dell'esame: Stock J.H., Watson M.W., Introduzione all'econometria, Pearson Education Italia, Milano Pisati: L'analisi dei dati. Tecniche quantitative per le scienze sociali, Il Mulino Agresti, Finlay. Statistical methods for the social sciences. Pearson Ed.
Material available on-line The following texts are useful: Stock J.H., Watson M.W., Introduction to econometrics Pisati: L'analisi dei dati. Tecniche quantitative per le scienze sociali, Il Mulino Agresti, Finlay. Statistical methods for the social sciences. Pearson Ed.



Oggetto:

Note

Esercitazioni in aula informatica: analisi di casi studio ed esercizi con dati simulati per favorire la comprensione di alcuni concetti teorici (massimo della verosimiglianza, effetti marginali e average partial effects nella regressione logit e probit). Gli studenti NON FREQUENTANTI sono invitati a prendere contatto con la docente prima di preparare l'esame, in modo da esssere guidati nella preparazione dello stesso, e per ritirare eventuali materiali didattici presentati durante il corso e non presenti on-line.
Laboratory sessions: analysis of case studies and exercises with simulated data designed to help the understanding of some theoretical issues (maximization of the likelihood, marginal and average partial effects in logit and probit regression). Students not attending classes are invited to contact the teacher.

Orario Lezioni

Oggetto:

Altre informazioni

http://www.didattica-est.unito.it/do/home.pl/View?doc=home_appelli.html
Oggetto:
Ultimo aggiornamento: 29/06/2016 09:54
Non cliccare qui!