Richiami di inferenza statistica; Confronto fra due gruppi;
Associazione tra variabili categoriali;
Correlazione; Regressione lineare semplice e multipla; Analisi della varianza
(ANOVA): Cenni; Analisi della covarianza (ANCOVA): Cenni;
Scelta del modello di regressione multipla e diagnostiche di
regressione; Il modello di regressione logistica per risposte binarie;
Introduzione all'inferenza causale e ai metodi di valutazione.
Implementazione dei metodi studiati con il software STATA.
P. Newbold, W.L. Carlson, B. Thorne (2014), Statistica, Seconda edizione, Pearson.
In alternativa a Newbold et al:
Agresti Alan, Finlay Barbara. (2015) Metodi statistici di base e avanzati per le scienze sociali. Pearson Prentice Hall.
Ulrich Kohler and Frauke Kreuter (2013), Data Analysis Using Stata, Third edition, Stata Press.
Altri materiali utili:
Materiali on-line su STATA:
https://stats.idre.ucla.edu/stata/
È necessario procurarsi il software STATA.
Obiettivi Formativi
Gli studenti acquisiranno la capacità di utilizzare e interpretare modelli
statistici
per variabili risposta continue e binarie e l'abilità di applicare e
interpretare appropriati metodi statistici per le analisi causali con il software STATA.
Prerequisiti
Elementi di statistica descrittiva ed inferenziale.
Metodi Didattici
Lezioni frontali, esercitazioni e laboratori
Altre Informazioni
Durante il corso sarà fornito materiale didattico integrativo attraverso la piattaforma e-learning
Modalità di verifica apprendimento
Esame al computer in laboratorio
Programma del corso
Richiami di statistica descrittiva: Variabili e loro misurazione; Indici di sintesi e variabilità; Percentuali, punti percentuali e variazioni relative.
Richiami di inferenza statistica: Statistiche e
distribuzioni campionarie; Stima puntuale, Stima intervallare; Test delle
ipotesi statistiche.
Confronto tra gruppi: Introduzione al confronto tra gruppi; Confronto tra
due proporzioni; Confronto tra due medie; Confronto di due medie per
campioni dipendenti.
Studio dell'associazione tra variabili categoriali: Distribuzioni di frequenza
congiunte, marginali e condizionate; Indipendenza e dipendenza
statistica;
Test chi-quadro di
indipendenza; I residui; Misure di associazione (differenza tra proporzioni;
rischio relativo e odds ratio).
Correlazione: Dipendenza lineare;
Covarianza; Coefficiente di
correlazione; Inferenza per il coefficiente di correlazione lineare.
Regressione lineare: Assunzioni del modello di regressione lineare;
interpretazione dei coefficienti del modello di regressione;
Stima dei minimi quadrati dei coefficienti di regressione; Valori stimati e
residui di regressione; Interpolazione e estrapolazione;
Scomposizione della somma dei quadrati; Indice di determinazione
lineare; Inferenza nel modello di regressione (test delle ipotesi e intervalli
di confidenza per i coefficienti di regressione, intervalli di confidenza per i
valori attesi e le previsioni).
Introduzione alle relazioni multivariate.
Regressione multipla: Assunzioni del modello di regressione multipla;
interpretazione dei coefficienti del modello di regressione multipla; Valori
stimati e residui di regressione;
Indice di determinazione lineare multipla e coefficiente di correlazione
multipla; Inferenza nel modello di regressione multipla (test delle ipotesi
e intervalli di confidenza per i coefficienti di regressione); Interazione fra
le variabili esplicative; Modelli di regressione a confronto.
Cenni all'analisi della varianza (ANOVA). Il confronto tra medie: Analisi della varianza a una via e Test F; Confronto multiplo di medie; ANOVA
attraverso modelli di regressione; ANOVA a due vie; Confronto tra
modelli.
Cenni all'analisi della covarianza ANCOVA). Modelli di regressione con predittori
quantitative e qualitativi; Interazione tra predittori qualitativi e
quantitativi; Inferenza nel modello di analisi della covarianza; Confronto
tra modelli.
Introduzione alle procedure di selezione dei modelli; Diagnostiche di
regressione; Multicollinearità
Il Modello di regressione logistica per variabili risposta binarie:
Introduzione ai modelli lineari generalizzati; Regressione logistica con un
solo predittore; Regressione logistica multipla; Inferenza per i modelli di
regressione
logistica; Confronto tra modelli di regressione logistica.
Inferenza causale e metodi di valutazione: Introduzione all'approccio dei
risultati potenziali (definizione dei concetti primitivi e del meccanismo di
assegnazione); Esperimenti randomizzati;
Disegno e analisi di studi osservazionali per la valutazione di impatto.
Software: Implementazione dei metodi studiati al computer con il software STATA.