Syllabus del corso
Obiettivi formativi
Il corso si propone di introdurre al concetto di variabile latente e ai più importanti modelli con variabili latenti. A lezioni frontali si alterneranno lezioni in laboratorio in modo da permettere di impa-rare l’utilizzo di pacchetti statistici e poter quindi applicare le tecniche apprese.
Contenuti sintetici
Significato di causalità in statistica
Correlazione spuria
Modelli strutturali con variabili osservate. path analysis
Diversi significati di variabile latente
Modello fattoriale
Analisi delle componenti principali e modello fattoriale
Modelli strutturali con variabili latenti
Programma esteso
Introduzione al significato di causalità in statistica
Spurious correlation
Modelli strutturali con variabili osservate. path analysis. Esempi
Diversi significati di variabile latente
Modello fattoriale: Ipotesi. Comunalità : significato e calcolo. Metodi per ricavare factor pattern. Rotazione delle soluzioni: significato e metodi.Metodi di stima dei fattori Interpretazione dei risultati .Metodi per ricavare punteggi fattoriali. Non unicità soluzioni fattoriali: non identificabilità dei parametri e indeterminatezza dei punteggi fattoriali. Metodi di stima e Verifica di ipotesi.Esempi
Differenze di analisi dei fattori con metodo delle componenti principali
Modelli strutturali con variabili latenti. Nessi con path analysis e analisi dei fattori. Soluzione e loror interpretazione. Non unicità soluzioni. Metodi di stima e verifica di ipotesi. Esempi
Prerequisiti
Nessuna propedeuticità formale. Si richiede però la conoscenza dei contenuti degli insegnamenti di Calcolo delle probabilità, Statistica 1, Laboratorio di Informatica, Analisi statistica multivariata., Base di dati
Metodi didattici
Si alterneranno lezioni in cui verranno impartire le nozioni teoriche con molte esmeplificazioni pratiche a esercitazioni in laboratorio in cui con l'ausilio di pacchetti statistici si utilizzeranno le tecniche apprese su dati reali Lezioni ed esercitazioni saranno registrate sulla piattaforma e-learning
Modalità di verifica dell'apprendimento
Esame scritto, 2 domande di teoria e 1 esercizio svolto mediante pacchetto statitico
Testi di riferimento
Slides e appunti del corso
Alwin, Duane F.and Robert M. Hauser (1975) “The decomposition of effects in path analysis”. American Sociological Review, vol. 40 ( February ): 37-40.
Blalock, Hubert M., Jr. (1965) “Path analysis: sociological examples”. American Journal of Sociology 72 (July): 1-16.
Blalock, Hubert M., Jr. (1971)“Path analysis: sociological examples (addenda)”. Pp. 136-8 in Hubert M. Blalock, Jr., (ed.), Causal Models in the Social Sciences. Chicago: Aldine-Atherton.
Duncan, Otis Dudley, David L. Featherman and Beverly Duncan (1971) Socioeconomic Background and Achievement. New York: Academic Press.
Land, Kenneth C., (1969.) “Principles of path analysis”. Pp. 3-37 in Edgar F. Borgatta (ed.), Sociological Methodology, San Francisco: Jossey-Bass.
Saris, W.E., & Stronkhorst, L.H.. (1984). Causal Modelling in Nonexperimental Research. Sociometrical Research Foundation. Amsterdam, The Nederlands.
Werts, C. E., & Linn. R. L. (1970) Path analysis: Psychological examples. Psychological Bulletin, ,67, 193-212.
Lawley, D. N. and Maxwell, A.E. (1971) Factor Analysis as a Statistical Method, American Elsevier, New York.
• Hauser, R. M., Goldberger,A. S. The treatment of unobservable variables in path analysis. In H. L. Costner (Ed.), Sociological methodology. London: Jossey-Bass, 1971. In K. G. Jöreskog, & H. Wold (Eds.). Sustems under indirect observation Causality structure prediction New York: North Holland
• Hauser, R. M., Goldberger,A. S. The treatment of unobservable variables in path analysis. In H. L. Costner (Ed.), Sociological methodology. London: Jossey-Bass, 1971.
• In K. G. Jöreskog, & H. Wold (Eds.). Systems under indirect observation Causality structure prediction New York: North Holland
Periodo di erogazione dell’insegnamento
2 semestre 2021 1 ciclo
Lingua di insegnamento
Italiano
Learning objectives
The course aims to introduce the concept of latent variable and the most important latent variable models . During the lectures will alternate in the laboratory lessons in order to allow you to learn the use of statistical packages and can then apply the techniques learned.
Contents
Causality in statistics
Spurious Correlation
Structural Models with observed variables: path analysis
Several meanings of latent variables
Factor Model
Component analysis and Factor Model
Detailed program
Causality in statistics
Spurious Correlation
Structural Models with observed variables: path analysis. Examples
Several meanings of latent variables
Factor Model: Hypothesis. Commonalities: meaning and calculation. Methods to derive factor pattern.Rotating solutions: meaning and methods. Methods of factors estimation. Methods to obtain factor scores. Interpretation of results. Not uniqueness of factor solutions: non identifiability of parameters and indeterminacy of factor scores . Estimation methods and Hypothesis testing. Examples
Differences with the analysis of principal components.
Structural models with latent variables. Links with path analysis and factor models. Solutions and their interpretation. Non uniqueness of solutions. Estimation methods and hypothesis testing.
Prerequisites
No formal prerequisites. It requires, however, knowledge of the content of the following courses: Probablility Calculus, Statistics 1, Informatics Lab, Multivariate statistical analysis, Database Systems
Teaching methods
In the lessons the theoretical notions with many practical examples will be proposed In the laboratories the statistical techniques learned will be applied to resolve problems on real data by means of statistical packages. Lessons and exercises will be recorded on the e-learning platform
Assessment methods
Written test.2 theory question and an applied exercice with a statistical package
Textbooks and Reading Materials
Slides e appunti del corso
Alwin, Duane F.and Robert M. Hauser (1975) “The decomposition of effects in path analysis”. American Sociological Review, vol. 40 ( February ): 37-40.
Blalock, Hubert M., Jr. (1965) “Path analysis: sociological examples”. American Journal of Sociology 72 (July): 1-16.
Blalock, Hubert M., Jr. (1971)“Path analysis: sociological examples (addenda)”. Pp. 136-8 in Hubert M. Blalock, Jr., (ed.), Causal Models in the Social Sciences. Chicago: Aldine-Atherton.
Duncan, Otis Dudley, David L. Featherman and Beverly Duncan (1971) Socioeconomic Background and Achievement. New York: Academic Press.
Land, Kenneth C., (1969.) “Principles of path analysis”. Pp. 3-37 in Edgar F. Borgatta (ed.), Sociological Methodology, San Francisco: Jossey-Bass.
Saris, W.E., & Stronkhorst, L.H.. (1984). Causal Modelling in Nonexperimental Research. Sociometrical Research Foundation. Amsterdam, The Nederlands.
Werts, C. E., & Linn. R. L. (1970) Path analysis: Psychological examples. Psychological Bulletin, ,67, 193-212.
Lawley, D. N. and Maxwell, A.E. (1971) Factor Analysis as a Statistical Method, American Elsevier, New York.
•
Hauser, R. M., Goldberger,A. S. The treatment of unobservable variables
in path analysis. In H. L. Costner (Ed.), Sociological methodology.
London: Jossey-Bass, 1971. In K. G. Jöreskog, & H. Wold (Eds.).
Sustems under indirect observation Causality structure prediction New
York: North Holland
• Hauser, R. M., Goldberger,A. S. The treatment of unobservable variables in path analysis. In H. L. Costner (Ed.), Sociological methodology. London: Jossey-Bass, 1971.
• In K. G. Jöreskog, & H. Wold (Eds.). Systems under indirect observation Causality structure prediction New York: North Holland
Semester
2th semester 2021 1^ cycle
Teaching language
Italian