B5138 - SPATIAL DATA ANALYTICS

Anno Accademico 2025/2026

  • 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.

MODULO 2
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

  1. LeSage J. and H.K. Pace, Introduction to Spatial Econometrics, 2009, CRC Press.
  2. Kelejian H. and G. Piras, Spatial Econometrics, 2017, Elsevier
  3. 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.

MODULO 2
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