- Docente: Anna Gloria Billè
- Crediti formativi: 8
- SSD: SECS-S/03
- Lingua di insegnamento: Inglese
- Moduli: Silvia Emili (Modulo 1) Anna Gloria Billè (Modulo 2)
- Modalità didattica: Convenzionale - Lezioni in presenza (Modulo 1) Convenzionale - Lezioni in presenza (Modulo 2)
- Campus: Rimini
- Corso: Laurea in Economics of Tourism and Cities (cod. 6054)
Conoscenze e abilità da conseguire
By the end of the course, students will gain basic knowledge about the role of statistical methods for the analysis of economic problems and phenomena, mainly from a spatial perspective. They will learn how to use a statistical software to acquire, manage, and analyze spatial data for various applications, from both a descriptive and modelling point of view. They will develop practical skills to apply in the search of a solution of real-world problems in diverse fields (e.g. urban planning, or environmental science), and will become able to deal with big data and data mining techniques to identify spatial patterns and make informed decisions.
Contenuti
MODULO 1
Introduzione ai concetti di base dei fenomeni e delle statistiche spaziali. La matrice dei pesi spaziali. Misure globali di associazione spaziale. Indicatori Locali di Associazione Spaziale (LISA). Test di ipotesi per l’associazione spaziale globale e locale. Regressione lineare e dati spaziali. Geostatistica: misure descrittive di dipendenza spaziale, spatial random fields, momenti, variogramma, covariogramma, kriging.
Specification and estimation of linear spatial models for crossectional data, spillover effects, marginal effects. Endogeneity of the weighting matrix. Spatial models with regimes. Spatial probit models, estimation and marginal effects for nonlinear models. Hypothesis Testing. Spatial HAC models. Spatial panel data models.
Testi/Bibliografia
MODULO 1
Bivand R.S., Pebesma E., Gómez-Rubio V. (2013) Applied Spatial Data Analysis with R. Springer.
MODULO 2
- LeSage J. and H.K. Pace, Introduction to Spatial Econometrics, 2009, CRC Press.
- Kelejian H. and G. Piras, Spatial Econometrics, 2017, Elsevier
- Anselin L., Spatial Regression Analysis in R A Workbook, 2007
Metodi didattici
MODULO 1
Lezioni frontali ed esercitazioni pratiche con il software R nel laboratorio informatico.
Lezioni frontali ed esercitazioni pratiche con il software R.
Modalità di verifica e valutazione dell'apprendimento
Il voto finale è la media dei voti ottenuti nei due moduli.
MODULO 1
Per studenti frequentanti e non frequentanti: prova scritta composta da domande a scelta multipla, esercizi di codifica e interpretazione dell’output in RStudio, e domande su tutti gli argomenti del programma.
(Voto massimo: 33)
Scala di valutazione:
- < 18: insufficiente (esame non superato)
- 18–21: sufficiente
- 22–24: discreto
- 25–27: buono
- 28–30: molto buono
- 31–33 (30 e lode): eccellente
MODULO 2
Prova scritta
Strumenti a supporto della didattica
MODULO 1
Software: RStudio
MODULO 2
Software: RStudio
Orario di ricevimento
Consulta il sito web di Anna Gloria Billè
Consulta il sito web di Silvia Emili