B026846 - CAUSAL INFERENCE AND PROGRAM EVALUATION

INGLESE

Il corso tratta dei metodi statistici per fare inferenza su effetti causali da dati sperimentali e osservazionali. Verranno utilizzati esempi da diverse discipline: economia, scienze dell'educazione, epidemiologia, scienze biomediche e riguarderanno, tra l'altro, la valutazione della formzione professionale e altre politiche attive del lavoro, la valutazione di trattamenti medici, l'analisi di studi clinici, la valutazione degli effetti del fumo e del servizio militare

Il testo di riferimento principale per il corsa è "Causal Inference for Statistics, Social, and Biomedical Sciences: An Introduction",
di GuidoW. Imbens e Donald B. Rubin, Cambridge University Press (2015).
Articoli aggiuntivi saranno resi disponibili dal docente.

Gli studenti acquisiranno la capacità di valutare la plausibilità di conclusioni causali e l'abilità di applicare appropriati metodi statistici per le analisi causali

Inferenza Statistica

Lezioni frontali, anche con presentazioni di casi di studio

Il voto finale si baserà sulla valutazione delle esercizi assegnati a casa, 1 prova intermedia, un progetto finale con discussione orale.

Part I:
The Basic Framework
-A Brief History of the Potential
Outcome Approach
to Causal Inference
- A Taxonomy of Assignment Mechanisms
Part II:
Classical Randomized Experiments
- A Taxonomy of Classical Randomized Experiments - Fisher's Exact P‐values
for Completely Randomized Experiments -
Neyman's Repeated Sampling
Approach to Completely Randomized Experiments
­ Regression Methods for Completely
Randomized Experiments
- Model‐based Inference in Completely Randomized Experiments
- Stratified Randomized Experiments
- Paired Randomized Experiments

Part III
Regular Assignment Mechanisms
– Unconfounded Treatment Assignment
– Estimating the Propensity Score
– Assessing Overlap in Covariate Distributions
- Design in Observational Studies: Matching and Subclassification - Sensitivity Anlalysis

Part IV:
Irregular Assignment Mechanisms
Non‐Compliance and Instrumental Variables Analysis
- Principal Stratification
- Additional topics depending on interest and potentially including: Rgression Discontinuity Designs, Broken Randomized Experiments, Recent
Developments in Causal Inference