Vai al contenuto principale
Coronavirus: aggiornamenti per la comunità universitaria / Coronavirus: updates for UniTo Community
Oggetto:
Oggetto:

Modelli per dati longitudinali

Oggetto:

Longitudinal data models

Oggetto:

Anno accademico 2021/2022

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
Caratterizzante
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

Per la frequenza, studenti e studentesse dovrebbero possedere conoscenze di livello intermedio di statistica inferenziale e di econometria.
Per sostenere l'esame, è necessario aver superato gli esami del primo anno: matematica, probabilità e inferenza statistica ed econometria.


Students should have good knowledge of the contents of intermediate level courses on inferential statistics and econometrics.
Mathematics, Probability and Inferential Statistics and Econometrics are propaepedutic courses.
Propedeutico a
Oggetto:

Sommario insegnamento

Oggetto:

Obiettivi formativi

In questo insegnamento si imparano i fondamenti metodologici e gli aspetti applicativi più rilevanti dei modelli per dati di durata (anche detti modelli di sopravvivenza) e dei modelli per dati panel.

I dati longitudinali sono informazioni che si riferiscono ad un insieme di individui, famiglie, imprese… che vengono seguiti nel corso del tempo e per i quali si dispone di più informazioni ripetute.

-> I dati longitudinali relativi a variabili qualitative consentono di tracciare “le storie” degli individui rispetto a uno o più aspetti, e quindi di studiare i cambiamenti di stato e la durata di permanenza in un certa condizione.
Esempi per individui:
i) la durata nello stato di disoccupato (prima di un passaggio allo stato di occupato)  
ii) la durata di una malattia (prima della guarigione o del decesso)
Esempio per aziende:
la durata dell'attività dell'azienda
Esempio per prodotti:
la durata di vita di un prodotto (prima del guasto).

-> I dati longitudinali di tipo quantitativo, spesso indicati come dati panel, costituiscono la base informativa per studiare fenomeni di varia natura in un’ottica dinamica e consentono spesso di risolvere in modo robusto problemi di endogeneità e problemi di variabili omesse.

Qual è la differenza tra modelli di analisi delle serie storiche (time series analysis) e i modelli per dati longitudinali?
La differenza principale è che i dati tipo serie storiche si riferiscono tipicamente a una singola entità (es: il fatturato di una azienda, il numero di clienti, indicatori economici a livello di paese...), mentre i dati longitudinali si riferiscono a dati di molti individui (micro) seguiti nel corso del tempo. Obiettivo dell'analisi delle serie storiche è la previsione, mentre le analisi di dati longitudinali generalmente hanno l'obiettivo di "spiegare" la variabilità della variabile dipendente di interesse in un contesto dinamico.

Funzioni in un contesto professionale e sbocchi occupazionali
Il corso consente di acquisire competenze fondamentali per analizzare dati di durata e dei dati panel 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. 

In this course students learn the methodologic foundations and the main practical issues of longitudinal data models: duration models (also called survival models) and panel data models in a variety of different contexts.

Longitudinal data provide repeated information over time on a set of individuals, households, firms...                   

-> Longitudinal data relative to qualitative variables allow to trace individual careers on one
or more domains, and study transitions between states and the duration of episodes:
Examples for individuals:
i) the duration in the state of unemployment (before a transition to the employment state)  
ii) the duration in an illness condition (before recovery or death)
Example for firms:
the duration of the firms' activity
Example for products:
the duration of the product's operation (before failure)

-> Quantitative longitudinal data, often referred as panel data, are necessary to study different phenomena in a dynamic perspective. Moreover, thay are used to solve endogeneity problems and omitted variable issues. 

What is the difference between time series analysis and longitudinal data analysis?
The key difference between time series and longitudinal data is that time series focuses on a single entity (typically firms' sales, the number of custumers, country level economic indicators...) at multiple time intervals, while longitudinal data focuses on multiple individuals at multiple time intervals. The goal of time series analysis is forecasting, while usually the goal of longitudinal data analysis is to explain variability in the dependent variable in a dynamic context.

Functions in a professional context and employment opportunities:
Students will acquire the fundamental competencies to analyse duration and panel 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 in presenza con possibilità di fruizione in diretta streaming, 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 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 binari

Non 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 data

There 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

L’erogazione dell’insegnamento è in presenza con diretta streaming, per un totale di 36  ore di didattica frontale. 

Le lezioni si terranno a partire dal 20 settembre 2021 il lunedì, martedì, giovedì 14-16 in presenza (Aula LI5, Campus Luigi Einaudi - Lungo Dora Siena 100).

Per seguire le lezioni online accedere alla virtual room utilizzando il seguente link: https://unito.webex.com/meet/dalit.contini.

Le lezioni sono erogate in presenza, utilizzando le aule fino alla loro capienza massima. L'accesso degli studenti alle lezioni in presenza può avvenire esclusivamente attraverso il possesso del green pass e la prenotazione obbligatoria del posto in aula tramite il software Student booking.

 

 

 

DIDATTICA IN PRESENZA
Secondo le ultime disposizioni rettorali, l'attività didattica per l'anno accademico 2021/22 si svolgerà  in presenza. A seconda della capacità delle aule, è però possibile che sia necessaria una turnazione degli studenti e le studentesse in presenza. Sarà comunque assicurata la possibilità di seguire le lezioni in modalità streaming per tutti.

 

STUDENTI DSA

Gli studenti DSA o con disabilità sono invitati a contattare tempestivamente l'ufficio "Studenti con disabilità" ufficio.disabili@unito.it per essere appropriatamente presi in carico. Successivamente sono invitata a contattare i docenti, mettendo sempre il cc nelle comunicazioni l'ufficio "Studenti con disabilità". 

Per la tutela della privacy, si invitano gli studenti DSA e con disabilità a NON inviare per nessun motivo ai docenti i certificati medici attestanti la disabilità. 

Gli studenti DSA e con disabilità possono fare richiesta per sostenere gli esami con il supporto degli strumenti compensativi e/o delle misure dispensative consultando la seguente pagina Studenti DSA e con disabilità e compilando il Modulo. 

Le richieste di strumenti compensativi e/o delle misure dispensative per l'esame devono pervenire ai docenti non oltre 30 giorni dalla data dell'appello.

 

Oggetto:

Altre informazioni

http://www.didattica-est.unito.it/do/home.pl/View?doc=home_appelli.html
Oggetto:
Ultimo aggiornamento: 02/11/2021 12:16
Non cliccare qui!