Course Syllabus
Obiettivi
Il
presente corso offre una presentazione teorica ed applicativa di modelli
statistici applicati a dati gerarchici, longitudinali e multivariati. Al
termine del corso gli studenti saranno in grado di riconoscere e implementare
disegni di studio appropriati per analisi multilivello ed analisi multivariate.
Contenuti sintetici
Il corso
in questione offre una panoramica di strumenti per l'analisi di dati gerarchici,
longitudinali e multivariati. Gli argomenti affrontati includono tecniche di
regressione multilivello, modelli di equazioni strutturali e analisi dei
gruppi.
Programma esteso
La prima parte del corso è focalizzata sui metodi per l'analisi di dati gerarchici che presentano una struttura di varianza complessa. Più nello specifico verranno presentati i modelli multilivello che rappresentano un'estensione dei tradizionali modelli di regressione applicati a dati gerarchicamente strutturati, ovvero raggruppati entro unità di livello superiore (come per esempio gli studenti classificati entro le classi scolastiche, i pazienti raggruppati entro ospedali, i dipendenti accorpati entro le aziende). Questo tipo di tecniche è utilizzabile anche per dati longitudinali - nella forma di occasioni ripetute di un dato outcome nel tempo entro particolari unità - che sono ampiamente utilizzati nell'ambito delle scienze sociali.
La seconda parte del corso sarà dedicata ai dati multivariati. Verranno presentati i modelli di equazioni strutturali (SEM) e l'analisi dei gruppi. La forza dei modelli SEM sta nel fatto di inglobare sia la logica di regressione causale che la logica di analisi fattoriale entro un unico approccio.
Il corso terminerà con un approfondimento dedicato alla cluster analysis che rappresenta un prezioso strumento di esplorazione per dividere una base dati multivariata entro raggruppamenti omogenei.
Prerequisiti
Gli
studenti dovranno avere una certa familiarità con i modelli di regressione
lineare
Modalità didattica
Gli esercizi verranno svolti usando il software statistico Stata
Materiale didattico
Kreft, I., & De Leeuw, J. (1998). Introducing multilevel modeling Thousand Oaks, CA: Sage Publications, Ltd
Singer, J.D. & Willett, J.B. (2003), Applied Longitudinal Data Analysis (ALDA), Oxford University Press. (opzionale)
De Lillo, A., Argentin, G., Lucchini, M., Sarti, S., & Terraneo, M. (2007). L'analisi multivariata per le scienze sociali. Milano : Pearson Education. (cap.7 cap.8)Periodo di erogazione dell'insegnamento
26 feb 2018 - 4 mar 2018
Modalità di verifica del profitto e valutazione
Lo studente potrà scegliere se effettuare un esame orale, che verterà sui materiali riportati in bibliografia o in alternativa scrivere un paper su un tema concordato con il docente. In questo caso specifico, verrà richiesta l'implementazione di una tecnica di analisi multilivello o longitudinale presentata durante il corso. Il docente metterà a disposizione le basi dati su cui effettuare le analisi. Il paper verrà valutato e discusso in una sessione di esame orale tramite dispositivo Webex.
Orario di ricevimento
Mercoledi' 11.00-12.00
Aims
This course
covers the theory and application of hierarchical, longitudinal and
multivariate statistical models. By
the end of the course students will be able to recognize and implement
study designs that would be appropriate for multilevel and multivariate
analyses.
Contents
This course introduces
analytical tools for hierarchical, longitudinal and multivariate data. Topics
to be covered include multilevel regression techniques, structural equation
models (SEM) and cluster analysis.
Detailed program
The first part of the course is designed to provide students the methods for the analysis of hierarchical data with a complex variance structure. Multilevel models are powerful regression models used for data that are clustered within units (i.e. children within classrooms, patients within hospitals, employees within companies). These kind of techniques can also be used for longitudinal data - that's to say repeated measures of an outcome over time within units - which are quite common in the field of social sciences.
The second part of the course will be devoted to the multivariate data. More precisely, topics to be covered include structural equation models (SEM) and cluster analysis. The strength of SEM approach is that it combines the logic of causal regression models with the logic of factor analysis.Finally, the course will cover cluster analysis techniques that are data exploration (mining) tools for dividing a multivariate dataset into homogeneous groups.
Prerequisites
Students should have familiarity with ordinary least- squares (OLS) linear regression models.
Teaching form
The lessons will be carried out remotely with asynchronous mode and with synchronous videoconferencing events.
Exercises will be carried out using Stata.
Textbook and teaching resource
Kreft, I., & De Leeuw, J. (1998). Introducing multilevel modeling Thousand Oaks, CA: Sage Publications, Ltd
Singer, J.D. & Willett, J.B. (2003), Applied Longitudinal Data Analysis (ALDA), Oxford University Press. (elective)
De Lillo, A., Argentin, G., Lucchini, M., Sarti, S., & Terraneo, M. (2007). L'analisi multivariata per le scienze sociali. Milano: Pearson Education. (cap.8 cap.9)Semester
26 feb 2018 - 4 mar 2018
Assessment method
Final exam will cover
materials listed in the bibliography
The student can choose whether to perform an oral exam, which will focus on the materials listed in the bibliography or alternatively write a paper on a topic agreed with the teacher. In this specific case, the implementation of a multilevel or longitudinal analysis technique presented during the course will be requested. The teacher will make the databases available for the analysis. The paper will be evaluated and discussed in an oral exam session via Webex device.
Office hours
Wednesday (11.00-12.00)
Key information
Staff
-
Mario Lucchini