Fonti statistiche ufficiali, con particolare riferimento a quelle di interesse per l'analisi socio-economica. Produzione editoriale, banche dati e sistemi informativi dell’ISTAT. Modello di regressione lineare semplice e multipla. Introduzione all’analisi spaziale. Applicazioni statistiche con R e GeoDa.
Sulla pagina Moodle del corso sono disponibili i lucidi predisposti dalla docente su tutti gli argomenti del corso.
Due testi di utile riferimento per eventuali approfondimenti sono:
Dougherty C., “Introduction to Econometrics”, Oxford University Press, New York.
Anselin L. &Rey S.J., “Modern Spatial Econometrics in Practice”, GeoDa Press LLC, Chicago.
Obiettivi Formativi
Conoscenze: Fonti statistiche ufficiali. Fondamenti teorici dei modelli di regressione semplice e multipla. Introduzione all’analisi spaziale. Utilizzo dei pacchetti statistici R e GeoDa.
Competenze: Saper consultare le principali fonti statistiche ufficiali su dati socio-economici e i principali strumenti di diffusione dei dati. Saper leggere e valutare i metadati che li accompagnano. Conoscere i fondamenti teorici dei modelli di regressione semplice e multipla. Conoscere le nozioni introduttive dell’analisi spaziale, il concetto di correlazione spaziale e i principali modelli di regressione spaziale. Saper applicare i metodi di analisi visti a lezione a casi di studio reali. Saper interpretare correttamente i risultati delle analisi statistiche. Saper utilizzare il linguaggio tecnico appropriato per la presentazione e l’interpretazione dei risultati ottenuti.
Capacità acquisite al termine del corso: Lo studente dovrà acquisire le basi metodologiche che lo rendano in grado di applicare con autonomia le procedure di analisi apprese a lezione dedicando particolare attenzione alla natura e attendibilità dei dati analizzati e alle potenzialità e ai limiti di modelli utilizzati.
Prerequisiti
I prerequisiti richiesti non vanno oltre quelli richiesti per l’iscrizione alla laurea magistrale.
Metodi Didattici
Il corso prevede lezioni frontali ed esercitazioni in aula computer.
Le esercitazioni si propongono di facilitare la comprensione dei metodi presentati a lezione e di evidenziare le problematiche operative connesse con le applicazioni su dati reali. Le esercitazioni fanno uso di software libero (R e GeoDa). Le dispense relative alle sessioni di lavoro al computer e i dati utilizzati nelle applicazioni sono resi disponibili sulla pagina Moodle del corso per permettere agli studenti di replicare e/o approfondire autonomamente le esercitazioni.
Altre Informazioni
I lucidi utilizzati durante le lezioni e le dispense di guida per le esercitazioni sono disponibili sulla pagina Moodle del Corso.
Per poter visionare e scaricare il materiale è necessario chiedere alla docente di essere autenticati, scrivendo una e-mail dal proprio indirizzo istituzionale UNIFI. Tali lucidi e dispense sono fornite ad esclusivo uso personale degli studenti che devono sostenere l'esame e non possono essere trasmesse a terzi senza esplicita autorizzazione della docente.
Modalità di verifica apprendimento
L’esame consiste in un colloquio orale.
Durante il colloquio verranno fatte domande su tutto il programma, con almeno una domanda su ciascuno dei punti 1-7 specificati nella successiva sezione “Programma esteso”. Verrà inoltre richiesto di commentare uno degli output ottenuti durante le sessioni di esercitazione.
Tramite il colloquio si valuteranno il livello di comprensione degli argomenti trattati nel corso, la capacità espositiva, la padronanza del linguaggio tecnico inerente il contesto di interesse e la capacità di interpretare i risultati delle elaborazioni statistiche presentate a lezione. Durante il colloquio saranno richieste dimostrazioni ed esposizioni che impongono di scrivere la risposta o parte di essa su un foglio.
Programma del corso
1. Statistica ufficiale. Dimensioni di qualità della statistica ufficiale. Open data. SISTAN. ISTAT: produzione editoriale, banche dati e sistemi informativi, censimenti, file di microdata. Big data nella statistica ufficiale. Aree di riferimento per l’analisi territoriale. NUTS. Sistemi locali. Cartografia ISTAT. Fonti statistiche ‘non ISTAT’.
2. Modello di regressione lineare semplice. Approccio descrittivo: metodo di stima dei minimi quadrati; indice di determinazione lineare. Approccio inferenziale: parametri, stime e stimatori; ipotesi classiche; teorema di Gauss-Markov; test di ipotesi sui coefficienti; stima di massima verosimiglianza.
3. Modello di regressione lineare multipla: modello con due esplicative; modello con k esplicative; multicollinearità; coefficienti di regressione parziali; coefficienti di correlazione parziali; variabili dummy.
4. Rimozione delle ipotesi: errata specificazione del modello; eteroschedasticità nei residui; autocorrelazione temporale nei residui. Punti leva, punti anomali e punti influenti. Regressione su serie storiche. Previsioni.
5. Analisi spaziale. Introduzione. Analisi esplorativa. Mappe coroplete. Cartogrammi.
6. Autocorrelazione spaziale. Matrice di contiguità. Scarto spaziale. Indice di Moran. Moran scatterplot. Indice di Geary. Indice di Getis-Ord. LISA.
7. Modelli di regressione spaziale: modello generale; modello spatial-error; modello spatial-lag. Test di dipendenza spaziale.
8. Introduzione ai pacchetti R e GeoDa. Applicazione dei modelli presentati a lezione su casi di studio reali.