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.