Corsi di Studio del Dipartimento di Economia e Statistica "Cognetti de Martiis"

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.

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. 

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.

Lezioni in presenza con possibilità di fruizione in diretta streaming, esercitazioni in aula, esercitazioni in aula informatica con dati reali e simulati.

 

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.

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.

 

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)