Lezioni frontali. Applicazione dei contenuti appresi alla risoluzione di problemi empirici. Discussione dei risultati.
Seminari di approfondimento su temi specifici previsti in programma al punto 3.
Attività di ricerca: consultazione bibliografica e raccolta dati.
Laboratori di analisi dei dati con addestramento sui packages di calcolo statistico.
Presentazioni di papers sui temi analizzati.
Conoscenze di logica e statistica metodologica di base
Fortemente consigliata e necessaria per le applicazioni empiriche e di laboratorio di calcolo proposte a lezione e per poter accedere alle prove d'esame.
1. Analisi fattoriale - Analisi di clustering - Tecniche di Matching per l'analisi del rischio.
2. Modelli di regressione multipla - Modelli log-lineari • Modelli di regressione non lineare e logistica - Modelli multilevel • Modelli di equazioni strutturali.
3. Argomenti di approfondimento: Seminario di addestramento sul programma R Studio - programmazione R Studio per le scienze sociali - funzioni statistiche con R Studio - scraping.
1. Bartholomew D. J., Steele F., Moustaki I., Galbraith J. I. (2008). Analysis of Multivariate Social Science Data. Boca Raton, FL: CRC Press, Taylor & Francis, pp. 1-144; 175-208.
per le tecniche di Matching: - https://openknowledge.worldbank.org/bitstream/handle/10986/25030/9781464807794.pdf?sequence=2&isAllowed=y
- https://www.amazon.it/Effect-Introduction-Research-Design-Causality/dp/1032125780
per le applicazioni dei software:
Hahs-Vaughn, D. L. (2017). Applied Multivariate Statistical Concepts. New York, NY: Routledge, pp. 1-56; 335-440
Manuali digitali dei software utilizzati.
in italiano da consultare eventualmente:
Gallucci M., Leone L., Berlingeri M. (2017), Modelli statistici per le scienze sociali, Pearson, Milano, pp. 323-406 (analisi fattoriale).
Fabbris L. (1997), Statistica multivariata. Analisi esplorativa dei dati, McGraw-Hill, Milano, pp. 3-77; 301-351 (analisi dei gruppi).
2. Bartholomew D. J., Steele F., Moustaki I., Galbraith J. I. (2008). Analysis of Multivariate Social Science Data. Boca Raton, FL: CRC Press, Taylor & Francis, pp. 145-174; 289-362.
per le applicazioni dei software:
Hahs-Vaughn, D. L. (2017). Applied Multivariate Statistical Concepts. New York, NY: Routledge, pp. 57-272; 441-570.
Manuali digitali dei software utilizzati.
in italiano da consultare eventualmente:
Bohrnstedt G. W. and Knoke D. (1998), Statistica per le scienze sociali, Il Mulino, Bologna, pp. 207-375 (modelli di regressione non lineare e logistica).
Gallucci M., Leone L., Berlingeri M. (2017), Modelli statistici per le scienze sociali, Pearson, Milano, pp. 41-98 (modelli di regressione multipla).
3. Argomenti di approfondimento: James Lang & Paul Teetor, R Cookbook, 2nd Edition (https://www.tidytextmining.com/)
Materiali extra per approfondimento: http://www.sthda.com/english/ https://app.rawgraphs.io/
Argomenti | Riferimenti testi | |
---|---|---|
1 | 1. Analisi dei gruppi - Matching per l'analisi del rischio - Analisi fattoriali.Lezioni frontali, raccolta dati da fonti ufficiali, esercitazioni su fogli di calcolo e risoluzione di problemi applicativi | Bartholomew D. J., Steele F., Moustaki I., Galbraith J. I. (2008). Analysis of Multivariate Social Science Data. Boca Raton, FL: CRC Press, Taylor & Francis, pp. pp. 1-144; 175. |
2 | 1a. Utilizzo dei software di elaborazione dati | Hahs-Vaughn, D. L. (2017). Applied Multivariate Statistical Concepts. New York, NY: Routledge, pp. 1-56; 335-440 |
3 | 2. Modelli di regressione multipla • Modelli di regressione non lineare e logistica - • Modelli di equazioni strutturali • Modelli multilevel | Bartholomew D. J., Steele F., Moustaki I., Galbraith J. I. (2008). Analysis of Multivariate Social Science Data. Boca Raton, FL: CRC Press, Taylor & Francis, pp. 145-174; 289-362. |
4 | 2a. Utilizzo dei software di elaborazione dati | Hahs-Vaughn, D. L. (2017). Applied Multivariate Statistical Concepts. New York, NY: Routledge, pp. 57-272; 441-570. |
5 | 3. Seminario di addestramento sul programma R Studio - Tecniche di scraping e | James Lang & Paul Teetor, R Cookbook, 2nd Edition (https://rc2e.com/) Julia SIlge & David Robinson, Text Mining with R: a Tidy Approach (https://www.tidytextmining.com/). |
6 | 3a. Materiali extra per approfondimento su R Studio: | https://sicss.io/boot_camp; https://www.sthda.com/english/; https://www.r-graph-gallery.com/index.html https://app.rawgraphs.io/; https://corplingstats.wordpress.com/. |
Saranno richieste documentate elaborazioni dei dati mediante software, formulazione di progetti e presentazioni su argomenti a scelta.
La prova scritta è obbligatoria e prevede domande a risposta aperta ed interpretazione di output di elaborazione dati mediante programmi di calcolo.
La prova si intende superata se lo studente ottiene alla prova scritta una votazione complessiva non inferiore a 18/30.
Al fine di ottenere una votazione complessiva eventualmente superiore a 26/30 è necessario sostenere la prova orale.
Argomenti indicati nella programmazione