- Docente: Lorenzo Mori
- Crediti formativi: 4
- Lingua di insegnamento: Italiano
- Modalità didattica: Lezioni in presenza (totalmente o parzialmente)
- Campus: Bologna
- Corso: Laurea in Scienze statistiche (cod. 8873)
Conoscenze e abilità da conseguire
Al termine del corso lo studente acquisisce la conoscenza di software statistico adatto all'elaborazione e all'analisi di banche di dati economici. In particolare lo studente è in grado di: - integrare le conoscenze metodologiche con l'interpretazione fenomenica - svolgere le varie fasi dell'analisi statistica dei fenomeni economici - presentare i risultati delle analisi statistiche effettuate sia in forma scritta che orale
Contenuti
- Introduzione all’insegnamento.
Presentazione del corso, del programma e delle modalità di valutazione.
- Progettazione e gestione indagini statistiche.
Dalla progettazione all’analisi dei risultati di indagini statistiche mediante la piattaforma LimeSurvey.
- La misura della variazione degli aggregati economici nel tempo.
Costruire, calcolare e interpretare numeri indice statistici spaziali e temporali per l’analisi di fenomeni economici. La definizione di funzioni in R.
- Stima di indicatori da indagini campionarie.
Applicare metodi di inferenza basata sul disegno campionario (design-based inference) per la stima di parametri e varianze da indagini campionarie. L’utilizzo delle librerie survey e sampling di R per l’analisi dei microdati ufficiali ISTAT, EUROSTAT, WORLD BANK.
- Indicatori compositi per la sintesi di fenomeni complessi in ambito economico e aziendale.
Progettare e calcolare indicatori sintetici per la rappresentazione di fenomeni multidimensionali in ambito economico e aziendale, mediante procedure di normalizzazione, ponderazione e aggregazione dei dati. La definizione di funzioni in R.
- Analisi di modelli comportamentalii.
Applicare e interpretare modelli di comportamento economico basati sulla Theory of Reasoned Action (TRA) e sulla Theory of Planned Behavior (TPB), utilizzando tecniche di regressione e modelli ad equazioni strutturali implementati in R.
Testi/Bibliografia
I materiali (script R, slide e risorse online) verranno forniti dal docente e resi disponibili su Virtuale.
Testi per eventuali approfondimenti
Wickham, H., & Grolemund, G. (2017). R for data science (Vol. 2). Sebastopol: O'Reilly.
Metodi didattici
Lezioni frontali in laboratorio informatico.
Modalità di verifica e valutazione dell'apprendimento
La prova finale consiste nella realizzazione di un report riproducibile, individuale o di gruppo, basato sull’analisi di un dataset reale. L’elaborato, redatto in R Markdown, sarà oggetto di discussione durante l’esame orale. Le istruzioni per la consegna e le linee guida dettagliate saranno disponibili su Virtuale.
Nel corso dell’esame orale, gli studenti dovranno dimostrare di possedere una conoscenza adeguata delle basi del linguaggio R, con particolare riferimento al codice e alle funzioni impiegate nel report. Dovranno inoltre essere in grado di spiegare e motivare le scelte metodologiche adottate nelle analisi. Il superamento della prova comporta l’attribuzione dell’idoneità.
Strumenti a supporto della didattica
Script, esercizi e altre risorse che saranno rese disponibili su Virtuale.
Gli studenti con disabilità o disturbi specifici dell'apprendimento (DSA) sono pregati di informare la docente della propria condizione al fine di individuare l’adozione degli accorgimenti più opportuni alle loro esigenze.
Orario di ricevimento
Consulta il sito web di Lorenzo Mori