Syllabus del corso

Esporta

Il corso fornisce alcuni strumenti statistici ed econometrici per la costruzione di scenari socio-economici e la valutazione dei servizi.

CONOSCENZA E COMPRENSIONE
Al termine del corso, i partecipanti dovrebbero essere in grado di:

  • riconoscere e comprendere le domande conoscitive che portano alla costruzione degli scenari socio-economici. Particolare attenzione sarà posta nella comprensione delle domande di ricerca e delle domande di valutazione;
  • riconoscere e comprendere quale metodologia statistica o econometrica sia la più adatta per rispondere correttamente alla domanda conoscitiva posta con i dati disponibili;
  • comprendere le differenze tra i vari metodi statistici ed econometrici;
  • riconoscere e comprendere se la metodologia è applicata correttamente ai dati disponibili;
  • interpretare e comprendere i risultati ottenuti, anche in un’ottica critica.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE
Al termine del corso, i partecipanti dovrebbero essere in grado di:

  • definire e formulare le domande conoscitive che portano alla costruzione degli scenari socio-economici. Particolare attenzione sarà posta nella formulazione corretta delle domande di ricerca e delle domande di valutazione;
  • ideare una strategia empirica per rispondere alla domanda conoscitiva con i dati disponibili;
  • applicare con competenza i metodi statistici ed econometrici di base;
  • dimostrare padronanza dei metodi propri per l'analisi di dati economici e sociali, sia a livello micro che macro, e per la costruzione di previsioni;
  • utilizzare software statistici per analizzare i dati, anche con il supporto dell'AI generativa;
  • presentare e commentare i risultati dell'analisi in modo chiaro, anche con il supporto dell'AI generativa.

AUTONOMIA DI GIUDIZIO
Al termine del corso, i partecipanti dovrebbero essere in grado di:

  • sviluppare un atteggiamento critico nei confronti dei metodi e dei risultati delle analisi empiriche;
  • valutare in modo autonomo l’adeguatezza di una metodologia rispetto al problema e ai dati disponibili;
  • individuare eventuali limiti nei risultati ottenuti o nei processi decisionali basati sull'evidenza empirica.

ABILITÀ COMUNICATIVE
Al termine del corso, i partecipanti dovrebbero essere in grado di:

  • comunicare in modo chiaro e rigoroso le fasi di un’analisi empirica, dalla formulazione della domanda all’interpretazione dei risultati;
  • presentare i risultati in forma scritta, orale e visuale (tabelle, grafici, sintesi testuali);
  • utilizzare un linguaggio appropriato, sia tecnico che divulgativo, in funzione del pubblico di riferimento (accademico, tecnico, istituzionale o generale).

CAPACITÀ DI APPRENDERE
Al termine del corso, i partecipanti dovrebbero essere in grado di:

  • aggiornare e approfondire autonomamente le proprie competenze metodologiche e applicative;
  • utilizzare criticamente risorse digitali, manuali e documentazione tecnica per l’apprendimento continuo;
  • imparare a integrare strumenti innovativi (es. AI generativa) nel processo di analisi e nella soluzione di problemi empirici complessi.

Il corso affronterà i seguenti argomenti:

  • Ripasso degli strumenti statistici elementari.
  • Introduzione alla tecniche di regressione lineare e con dipendente binaria.
  • Introduzione all'econometria dei dati panel.

Il corso affronterà i seguenti argomenti:

  1. Ripasso degli strumenti statistici elementari.
  • raccolta e organizzazione delle informazioni, archivi e tabulazioni;
  • trattamento dei dati individuali: statistiche descrittive univariate (media, mediana quantili e deviazione standard) e relazioni tra i caratteri (indipendenza, associazione e correlazione);
  • il confronto tra due medie
  • la rappresentazione delle relazioni statistiche, anche con il supporto della IA generativa
  1. Introduzione alla tecniche di regressione.
  • La regressione lineare con un regressore
  • La regressione lineare con più di un regressore
  • La regressione con variabile dipendente binaria
  • La regressione con dati panel

La partecipazione al corso richiede conoscenze statistiche di base e conoscenze minime di metodologia di ricerca quantitativa.

Metodi didattici:

  • Lezioni frontali in modalità erogativa corrispondenti al 50% del corso (24 ore)
  • Lezioni interattive corrispondenti al 50% del corso (24 ore)
  • Assignments individuali e di gruppo

Valutazione continua durante il corso su assignement per verificare l'apprendimento durante il corso dei principali argomenti trattati. Esame scritto finale per verificare le competenze acquisite.

James H. Stock - Mark W. Watson *"Introduzione all’econometria" *5/Ed. •Pearson Ed.

Online video tutorials on Stata.

Una lista di letture e del materiale oggetto di studio sarà messa a disposizione degli studenti sul sito dell'insegnamento sulla piattaforma elearning.

SALUTE E BENESSERE | ISTRUZIONE DI QUALITÁ | PARITÁ DI GENERE | LAVORO DIGNITOSO E CRESCITA ECONOMICA | RIDURRE LE DISUGUAGLIANZE
Esporta

The course provides students with a core set of statistical and econometric tools for social science applied research.

KNOWLEDGE AND UNDERSTANDING
By the end of the course, students should be able to:

  • identify and understand the knowledge questions that lead to the construction of socio-economic scenarios, with particular attention to research and evaluation questions;
  • recognize and understand which statistical or econometric methodology is most appropriate to address the knowledge question posed, given the available data;
  • understand the differences between various statistical and econometric methods;
  • assess whether a methodology is correctly applied to the available data;
  • interpret and critically understand the results obtained.

APPLYING KNOWLEDGE AND UNDERSTANDING
By the end of the course, students should be able to:

  • define and formulate knowledge questions that lead to the construction of socio-economic scenarios, with a specific focus on correctly framing research and evaluation questions;
  • design an empirical strategy to address the knowledge question using available data;
  • competently apply basic statistical and econometric methods;
    -demonstrate mastery of appropriate methods for the analysis of economic and social data, at both micro and macro levels, including forecasting;
  • use a suitable statistical software to analyze data, also with the support of generative AI tools;
  • clearly present and comment on the results of the analysis, also with the support of generative AI.

MAKING JUDGEMENTS
By the end of the course, students should be able to:

  • develop a critical attitude toward the methods and results of empirical analyses;
  • independently assess the adequacy of a methodology in relation to the research problem and available data;
  • identify possible limitations in the results obtained or in evidence-based decision-making processes.

COMMUNICATION SKILLS
By the end of the course, students should be able to:

  • clearly and rigorously communicate the steps of an empirical analysis, from question formulation to result interpretation;
  • present results in written, oral, and visual formats (tables, charts, summary texts);
  • use appropriate language, both technical and accessible, depending on the audience (academic, technical, institutional, or general public).

LEARNING SKILLS
By the end of the course, students should be able to:

  • independently update and deepen their methodological and applied knowledge;
  • critically use digital resources, manuals, and technical documentation for continuous learning;
  • learn how to integrate innovative tools (e.g., generative AI) into the analysis process and in solving complex empirical problems.

Topics to be covered:

  • Simple statistical tools
  • Introduction to linear regression and regressions with binary dependent variable.
    -Introduction to panel data analysis .

Topics:

1) Statistical tools:

  • collection and organization of information, archives, and tabulations;
  • processing of individual data: univariate and bivariate descriptive statistics;
  • the representation of statistical relationships, also with the support of generative AI

2) Econometric tools:

  • Linear regression with one regressor .
  • Linear regression with multiple regressors.
  • Regression with binary dependent variable
  • Regression with panel data

Participation to the course requires basic background in statistics.

  • Face-to-face lectures: 50% of the course, 24 hours
  • Exercises in lab (exercises, database, software etc.): 50% of the course, 24 hours
  • Group and individual assignments

Students will be graded based on the performance during the course (assignments) and at the final written exam.

James H. Stock - Mark W. Watson *"Introduzione all’econometria" *5/Ed. •Pearson Ed.

Online video tutorials on Stata (many are available on YouTube).

A detailed reading list will be posted on the course web site

GOOD HEALTH AND WELL-BEING | QUALITY EDUCATION | GENDER EQUALITY | DECENT WORK AND ECONOMIC GROWTH | REDUCED INEQUALITIES
Entra

Scheda del corso

Settore disciplinare
SECS-S/04
CFU
6
Periodo
Annualità Singola
Tipo di attività
Obbligatorio
Ore
48
Tipologia CdS
Laurea Magistrale
Lingua
Italiano

Staff

    Docente

  • SC
    Simona Lorena Comi

Metodi di iscrizione

Iscrizione manuale

Obiettivi di sviluppo sostenibile

SALUTE E BENESSERE - Assicurare la salute e il benessere per tutti e per tutte le età
ISTRUZIONE DI QUALITÁ - Assicurare un'istruzione di qualità, equa ed inclusiva, e promuovere opportunità di apprendimento permanente per tutti
PARITÁ DI GENERE - Raggiungere l'uguaglianza di genere e l'empowerment (maggiore forza, autostima e consapevolezza) di tutte le donne e le ragazze
LAVORO DIGNITOSO E CRESCITA ECONOMICA - Incentivare una crescita economica duratura, inclusiva e sostenibile, un'occupazione piena e produttiva ed un lavoro dignitoso per tutti
RIDURRE LE DISUGUAGLIANZE - Ridurre l'ineguaglianza all'interno di e fra le Nazioni