- Oggetto:
- Oggetto:
Modelli per dati longitudinali
- Oggetto:
Longitudinal data analysis
- Oggetto:
Anno accademico 2020/2021
- Codice dell'attività didattica
- SCP0082
- Docente
- Dalit Contini (Titolare del corso)
- Corso di studi
- Laurea magistrale in Scienze Statistiche, Economiche e Manageriali - a Torino [009504]
Laurea magistrale in Metodi statistici ed economici per le decisioni - a Torino [0402M21] - Anno
- 2° anno
- Periodo didattico
- Primo semestre
- Tipologia
- Affine o integrativo
- Crediti/Valenza
- 6
- 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. - Propedeutico a
-
- 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) con applicazioni ad ambiti disciplinari diversi.Funzioni in un contesto professionale e sbocchi occupazionali:
Il corso consente di acquisire competenze fondamentali per analizzare dati di durata in tutti i contesti professionali (centri di ricerca epidemiologica, demografica, sociale ed economica, nonché nelle assicurazioni e nelle aziende dove si effettua il controllo statistico della qualità dei prodotti).
Aim of the course is to introduce the students to longitudinal data modeling (duration data and panel data) with applications to different contexts.Functions in a professional context and employment opportunities:
The students will acquire the fundamental competencies to analyse duration data in all professional contexts (epidemiologic, demographic, social and economic research centers, insurance companies, firms carrying out statistical quality control of products).- 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, con particolare rifermento ai modelli a effetti fissi e random, e dei relativi stimatori. Lo studente dovrà inoltre aver acquisito la capacità di interpretare i risultati delle stime dei modelli trattati e di comunicarli efficacemente a un pubblico esperto e non esperto.
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 the fixed and random model estimators. Students should also have to competence to interpret the basic output of standard statistical packages and to communicate the results to an expert and non-expert audience.- Oggetto:
Modalità di insegnamento
Lezioni a distanza e frontali, esercitazioni in aula, esercitazioni in aula informatica con dati reali e simulati.Date le attuali disposizioni in relazione all'andamento della pandemia, si prevede che le 2 lezioni/esercitazioni settimanali vengano effettuate come segue: la maggior parte a distanza (in diretta streaming, registrate) e alcune in presenza.
Lectures, excercise sessions and lab sessions on real and simulated data.- Oggetto:
Modalità di verifica dell'apprendimento
Verifica scritta al termine dell'insegnamento con 3 esercizi semi-strutturati, comprendenti quesiti di carattere teorico, definizione della funzione di verosimiglianza in uno specifico contesto applicativo, interpretazione di risultati di analisi svolte. La parte di interpretazione dei risultati delle analisi avrà un peso sulla valutazione finale pari a circa il 60%, mentre gli aspetti teorico-metodologici pari a circa il 40%.
Gli studenti frequentanti che effettueranno almeno l'80% dei compiti assegnati a lezione in modo soddisfacente ed entro le scadenze indicate avranno diritto a 1 punto aggiuntivo.
Non ci sono ulteriori differenze tra frequentanti e non frequentanti.
In relazione all'andamento della pandemia la prova scritta potrà avvenire in presenza o a distanza, secondo le disposizione del Rettore.
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. The evaluation of the examination will be approximately as follows: 60% interpretation of the results; 40% theoretical and methodological issues.The students attending the lessons and doing at least 80% of the assignments in a satisfactory way and within the deadline, will be assigned 1 additional point to the written exam.
There are no further differences in the examination between students attending and not attending the lessons.
The exam will be delivered as face-to-face exams or in remote mode, according to the situation of the pandemic and the indications of the University Rectorship.
- Oggetto:
Attività di supporto
- Oggetto:
Programma
1) Modelli di 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 binariNon ci sono differenze di programma tra frequentanti e non frequentanti.
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 dataThere are no differences in the course syllabus between students attending and not attending the lessons.
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:
Note
Le modalità di svolgimento dell'attività didattica potranno subire variazioni in base alle limitazioni imposte dalla crisi sanitaria in corso. In ogni caso è assicurata la possibilità di fruire delle lezioni anche in modalità a distanza per tutto l'anno accademico.
- Oggetto:
Altre informazioni
http://www.didattica-est.unito.it/do/home.pl/View?doc=home_appelli.html- Oggetto: