Course Syllabus
Obiettivi formativi
Il corso si propone di introdurre le principali tecniche descrittive e di modellazione dei dati longitudinali. Alla fine del corso lo studente avrà la possibilità di riconoscere i dati longitudinali, i relativi aspetti caratterizzanti e criticità. Inoltre, lo studente acquisirà dimestichezza circa i principali modelli per l’analisi dei dati longitudinali, individuando i contesti applicativi in cui ciascun modello si può applicare, ed essendo in grado di sperimentare ed applicare le conoscenze acquisite su dati reali con R.
In particolare, gli obiettivi specifici sono i seguenti:
- Conoscenza e capacità di comprensione della teoria dei modelli per dati longitudinali
- Conoscenza e capacità di comprensione di tipo applicato, ovvero sapere stimare ed interpretare i modelli a seconda del contesto applicativo, affrontando le peculiarità dei dati longitudinali
- Capacità di apprendere e approfondire nuove conoscenze attraverso materiali di approfondimento indicati durante il corso che lo studente può affrontare in autonomia sulla base delle conoscenze acquisite.
Contenuti sintetici
Introduzione ai dati longitudinali, modello ad effetti casuali, modello ad effetti fissi, modello multilevel, introduzione all’analisi di sopravvivenza, Applicazioni pratiche utilizzando R.
Programma esteso
Tutti gli argomenti saranno integrati da esempi applicativi con il software R.
- Concetti fondamentali: il cambiamento nel tempo, variazioni between- e within-
- Definizione e descrizione dei dati longitudinali: creazione di un dataset longitudinale, statistica decrittiva
- Modelli ad effetti fissi e modelli ad effetti casuali per dati longitudinali
- Il modello multilevel: livelli di analisi stima, interpretazione
- Specificazioni flessibili della dimensione temporale: panel sbilanciati, predittori che variano nel tempo
- Cambiamenti non lineari
- Studio dei dati time-to-event: elementi di analisi di sopravvivenza
Prerequisiti
Basi di inferenza e modelli lineari.
Metodi didattici
Lezioni frontali teoriche e laboratori con R.
Modalità di verifica dell'apprendimento
Esame scritto da svolgersi in laboratorio con domande teoriche e problemi pratici da risolvere usando R.
Testi di riferimento
Main textbook
• Singer, J. D., & Willett, J. B. (2003). Applied longitudinal data analysis: Modeling change and event occurrence. Oxford university press.
Complements from
• Fitzmaurice, G. M., Laird, N. M., & Ware, J. H. (2012). Applied longitudinal analysis. John Wiley & Sons.
• Snijders, T. A., & Bosker, R. (2011). Multilevel analysis: An introduction to basic and advanced multilevel modeling.
Further reading
• Hedeker, D., & Gibbons, R. D. (2006). Longitudinal data analysis. John Wiley & Sons.
• Greene W (2018) Econometric Analysis
• Wooldridge, J (2010). Econometric analysis of cross section and panel data. MIT press.
• Baltagi, B (2008). "Econometric analysis of panel data." Rohn Wiley .
Periodo di erogazione dell'insegnamento
Secondo semestre.
Lingua di insegnamento
Inglese
Sustainable Development Goals
Learning objectives
The course aims to introduce the main descriptive and modeling techniques for longitudinal data. At the end of the course the student will have the opportunity to recognize the longitudinal data, the related characterizing aspects and critical issues. Furthermore, the student will become familiar with the main models for the analysis of longitudinal data, identifying the application contexts in which each model can be applied, and being able to experiment and apply the knowledge acquired on real data with R.
In particular, the specific objectives are the following:
- Knowledge and understanding of model theory for longitudinal data
- Applied knowledge and understanding, i.e. knowing how to estimate and interpret models depending on the application context, addressing the peculiarities of longitudinal data
- Ability to learn and deepen new knowledge through in-depth materials indicated during the course that the student can tackle independently based on the knowledge acquired.
Contents
Introduction to longitudinal data, the random effects model, the fixed effects model, the multilevel model, introduction to time to event data, survival analysis, Practical applications using R.
Detailed program
All the topics are complemented by examples using R.
- Basic concepts: change over time, between- and within-variations
- Definition and description of longitudinal data: creation of a longitudinal dataset, descriptive statistics
- Fixed effects models and random effects models for longitudinal data
- The multilevel model: levels of analysis, estimation, interpretation
- Flexible specifications of the time dimension: unbalanced panels, time-varying predictors
- Non-linear changes
- Study of time-to-event data: elements of survival analysis
Prerequisites
Basic inference and linear models.
Teaching methods
Theoretical lectures and labs using R.
Assessment methods
Written exam with theoretical questions and practical problems to be solved using R.
Textbooks and Reading Materials
Main textbook
• Singer, J. D., & Willett, J. B. (2003). Applied longitudinal data analysis: Modeling change and event occurrence. Oxford university press.
Complements from
• Fitzmaurice, G. M., Laird, N. M., & Ware, J. H. (2012). Applied longitudinal analysis. John Wiley & Sons.
• Snijders, T. A., & Bosker, R. (2011). Multilevel analysis: An introduction to basic and advanced multilevel modeling.
Further reading
• Hedeker, D., & Gibbons, R. D. (2006). Longitudinal data analysis. John Wiley & Sons.
• Greene W (2018) Econometric Analysis
• Wooldridge, J (2010). Econometric analysis of cross section and panel data. MIT press.
• Baltagi, B (2008). "Econometric analysis of panel data." Rohn Wiley .
Semester
Second semester.
Teaching language
English
Sustainable Development Goals
Staff
-
Daniele Spinelli
