Syllabus del corso
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
Le lezioni saranno svolte sia in presenza che da remoto
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
febbraio 2023 - maggio 2023
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 sostenere un esame scritto in aula con il proprio pc e il software stata. In questo caso specifico, verrà richiesta l'implementazione di modelli di analisi multilivello, longitudinale e multivariata presentati durante il corso. Il docente metterà a disposizione le basi dati su cui effettuare le analisi. Il lavoro svolto verrà valutato e discusso in una sessione di esame orale in presenza oppure in remoto 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 both in presence and in remote.
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
february 2023 - may 2023
Assessment method
The student can choose whether to perform an oral exam, which will focus on the materials listed in the bibliography or alternatively take a written exam with the software STATA. In this specific case, the implementation of multilevel, longitudinal and multivariate models presented during the course will be requested. The teacher will make the databases available for the analysis. The work carried out will be evaluated and discussed in an oral exam session in presence or via Webex device.
Office hours
Wednesday (11.00-12.00)
Scheda del corso
Staff
-
Mario Lucchini