The principles and the logic of multidimensional and multivariate statistical data analysis
The paradoxes of multivariate analysis
The types of matrices
Factor Analysis: principal factors and principal components
Multidimensional Scaling
Correspondence analysis: simple and multiple
Cluster analysis
Methods of fuzzy clustering
Specialised topics on:
Multiple regression models Nonlinear and logistics regression models Log-linear models Specialised topics on: • multilevel models • structural equations models • Item Response Theory (IRT)
Fabbris L. (1997), Statistica multivariata. Analisi esplorativa dei dati, McGraw-Hill, Milano, pp. 3-77; 163-295; 301-351.
Kosko B. (1995), Il fuzzy-pensiero. Teoria ed applicazioni della logica fuzzy, Baldini & Castaldi, Milano, pp. 13-57; 147- 183.
Sangalli A. (2000), L’importanza di essere fuzzy, Bollati Boringhieri, Torino, p. 19-147.
Rezzani A. (2013), Big Data, Apogeo Education, Maggioli editore, Santarcangelo di Romagna (RN).
Azzalini A., Scarpa B. (2004), Analisi dei dati e data mining, Springer, Berlin.
Fraire M., Rizzi A. (2011), Analisi dei dati per il data mining, Carocci, Roma.
Tuzzi A. (2003), L’analisi del contenuto, Carocci, Roma
D. F. Iezzi (2009), Statistica per le Scienze Sociali, Carocci, Roma (Cap. 13).
D. F. Iezzi (2009), Statistica per le Scienze Sociali, Carocci, Roma (Cap. 14).
Meraviglia C. (2001), Le reti neurali nella ricerca sociale, FrancoAngeli, Milano, pp. 13-78.
Bohrnstedt G. W. and Knoke D. (1998), Statistica per le scienze sociali, Il Mulino, Bologna, pp. 207-375.
Hox J.J. (1995), Applied Multilevel Analysis, TT-Publikaties, Amsterdam, p. 1-30
Corbetta P. (2002), Metodi di analisi multivariata per le scienze sociali. I modelli di equazioni
strutturali, Il Mulino, Bologna, pp. 39-94.
Giampaglia G. (2008), Il modello di Rasch nella ricerca sociale, Liguori, Napoli.