Richiami di inferenza statistica; Confronto fra due gruppi;
Associazione tra variabili categoriali;
Correlazione; Regressione lineare semplice e multipla; Analisi della varianza
(ANOVA); ;
Scelta del modello di regressione multipla e diagnostiche di
regressione; Il modello di regressione logistica per risposte binarie;
Introduzione all'inferenza causale.
Implementazione dei metodi studiati con il software STATA.
Slides e altro materiale fornito durante il corso attraverso la pagina Moodle del corso.
P. Newbold, W.L. Carlson, B. Thorne (2014), Statistica, Seconda edizione, Pearson.
Ulrich Kohler and Frauke Kreuter (2013), Data Analysis Using Stata, Third edition, Stata Press.
In alternativa a Newbold et al:
Agresti Alan, Finlay Barbara. (2015) Metodi statistici di base e avanzati per le scienze sociali. Pearson Prentice Hall.
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 analisi empiriche quantitative 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
Studio dell'associazione tra variabili categoriali: Distribuzioni di frequenza
congiunte, marginali e condizionate; Indipendenza e dipendenza
statistica;
Test chi-quadro di
indipendenza; Misure di associazione (differenza tra proporzioni).
Correlazione: Dipendenza lineare;
Covarianza; Coefficiente di
correlazione.
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;
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 predetti).
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 R quadrato aggiustato; 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.
Analisi della varianza (ANOVA). Il confronto tra medie: Analisi della varianza a una via e Test F; Confronto multiplo di medie.
Modelli di regressione con predittori
quantitative e qualitativi; Interazione tra predittori qualitativi e
quantitativi.
Multicollinearità.
Introduzione ai modelli lineari generalizzati; Regressione logistica.
Introduzione all' Inferenza causale.
Software: Implementazione dei metodi studiati al computer con il software STATA.