37154 - MODELLI STATISTICI DI VALUTAZIONE

Scheda insegnamento

SDGs

L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.

Istruzione di qualità Uguaglianza di genere Industria, innovazione e infrastrutture

Anno Accademico 2018/2019

Conoscenze e abilità da conseguire

Al termine del corso lo studente ha acquisito competenze informatiche di software statistici ad hoc per l'analisi dei dati multivariati con tecniche statistiche avanzate. In particolare, lo studente è in grado di: - applicare e interpretare i risultati di modelli di regressione multivariata con l'ausilio del software R. - affrontare problemi di classificazione di dati reali da un punto di vista teorico e applicativo con software specifici. -analizzare criticamente dati provenienti da indagini reali attraverso lo studio di casi reali effettuato in laboratorio.

Programma/Contenuti

I MODULO
-Introduzione sui modelli a variabili latenti
-Richiami alll'analisi delle componenti principali
-Modello fattoriale
- Modelli ad equazioni strutturali (Modello LISREL)
-Cenni ai modelli per dati categorici

II MODULO
-Richiami al modello di regressione lineare multipla
-Scelta dei regressori nel modello di regressione multipla
-Modelli di regressione con variabili indipendenti categoriche
-Modelli multilevel

Per entrambi i moduli si terranno esercitazioni e studi di casi con l'uso di software specifici (R, SPSS; LISREL)

Testi/Bibliografia

- S. Mignani, A. Montanari, Appunti di analisi statistica multivariata, Esculapio, Bologna, Seconda edizione, 1997, 5 (Analisi discriminante);

- David J. Bartholomew ...[et al.], The analysis and interpretation of multivariate data for social scientists, 2002, Chapman & Hall
- Dispense fornite dal docente

Metodi didattici

Lezioni in aula e attività in laboratorio

Modalità di verifica dell'apprendimento

Esame orale
Per chi vuole è possibile realizzare un breve rapporto scritto sull'analisi di un data set fornito dal docente. Questo rapporto sostiusce una parte dell'esame orale

Strumenti a supporto della didattica

Lucidi, articoli e dataset

Orario di ricevimento

Consulta il sito web di Stefania Mignani

Consulta il sito web di Alessandro Lubisco

Consulta il sito web di Mariagiulia Matteucci