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 con SAS ed R in modo da permettere di imparare 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 ed esercitazioni con SAS ed R
Diversi significati di variabile latente
Modello fattoriale: Ipotesi. Comunalità : significato e calcolo. Metodi per ricavare
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 ed esercitazioni con SAS ed R
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 ed esercitazioni con SAS ed R
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 esemplificazioni pratiche a esercitazioni in laboratorio in cui con l'ausilio di SAS ed R si utilizzeranno le tecniche apprese su dati reali
Modalità di verifica dell'apprendimento
Esame scritto, 2 domande di teoria e 1 esercizio di analisi dei dati svolto mediante SAS ed R
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.
factor pattern. Rotazione delle
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
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.). Systems under indirect observation Causality structure prediction New York: North Holland
Periodo di erogazione dell'insegnamento
2 semestre 2023 - secondo ciclo
Lingua di insegnamento
Italiano
Sustainable Development Goals
Learning objectives
The course aims to introduce the concept of latent variable and the most important models with latent variables. Lectures will be alternated with lectures in the laboratory with SAS and R so as to enable students to learn the use of statistical packages and thus be able to apply the techniques learned.
Contents
- Meaning of causality in statistics Spurious correlation
- Structural models with observed variables
- Path analysis Different meanings of latent variable
- Factorial model
- Principal component analysis and factorial model
- Structural models with latent variables
Detailed program
Introduction to the meaning of causality in statistics
Spurious correlation
Structural models with observed variables. path analysis. Examples and exercises with SAS and R
Different meanings of latent variable
Factorial model: Assumptions. Communality: meaning and computation. Methods for deriving solutions: meaning and methods.
Methods of estimating factors Interpretation of results.
Methods of deriving factorial scores. Non-uniqueness of factorial solutions: non-identifiability of parameters and indeterminacy of factorial scores. Estimation methods and Hypothesis Testing. Examples and exercises with SAS and R
Differences in factor analysis with principal component method.
Structural models with latent variables. Relationships with path analysis and factor analysis. Solution and their interpretation. Non-uniqueness of solutions. Estimation methods and hypothesis testing. Examples and exercises with SAS and R
Prerequisites
No formal prerequisites. However, knowledge of the contents of the teachings of Probability Calculus, Statistics 1, Computer Laboratory, Multivariate Statistical Analysis., Database is required
Teaching methods
Lectures will alternate between lectures in which the theoretical concepts will be imparted with many practical exemplifications and laboratory exercises in which with the help of SAS and R the techniques learned will be used on real data
Assessment methods
Written exam, 2 theory questions and 1 data analysis exercise carried out using SAS and R
Textbooks and Reading Materials
Slides and course notes
Alwin, Duane F. and Robert M. Hauser (1975) "The decomposition of effects in path analysis." American Sociological Review, vol. 40 ( February ): 37-40.
factor model. Rotation of the
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 modeling in nonexperimental research. Sociometrical Research Foundation. Amsterdam, The Netherlands.
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.
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.). Systems under indirect observation Causality structure prediction New York: North Holland.
Semester
2 semester 2023 - second cycle
Teaching language
Italian
