Syllabus del corso
Obiettivi
Conoscenza e comprensione: il corso fornisce una panoramica dei metodi di raccolta e analisi dei dati quantitativi più comunemente utilizzati nella ricerca nelle scienze sociali.
Capacità di applicare conoscenza e comprensione: fornire le competenze necessarie per disegnare una survey e per analizzare basi di dati cross-sectional, cross-sectional ripetuti, longitudinali panel per rispondere ad interrogativi di natura associativa, predittiva e causale.
Autonomia di giudizio: sviluppare la capacità di valutare in modo critico i metodi e i risultati delle analisi quantitative nella ricerca sociologica, riconoscendone i presupposti teorici, i limiti e le implicazioni pratiche.
Abilità comunicative: promuovere la capacità di strutturare e argomentare efficacemente i risultati quantitativi all'interno di una cornice teorica sociologica.
Capacità di apprendere: promuovere l'autonomia nello studio e nella ricerca, stimolando la capacità di approfondire in modo critico e indipendente i contenuti del corso.
Contenuti sintetici
Il corso fornisce una panoramica integrata dei principali metodi quantitativi per la ricerca sociale. Dopo un’introduzione all’econometria di base, che comprende le tecniche di regressione lineare, l’analisi di variabili dipendenti limitate, l’uso di variabili strumentali e i fondamenti dell’inferenza statistica, il percorso affronta la teoria e l’applicazione della regressione multilivello per lo studio di dati comparativi e longitudinali. Nella parte finale, vengono approfonditi alcuni temi di metodologia delle indagini campionarie, con l’obiettivo di fornire agli studenti le competenze necessarie per progettare, raccogliere e analizzare dati quantitativi in modo autonomo e consapevole
Programma esteso
Il corso è articolato in tre moduli progressivi, che accompagnano lo studente dall’apprendimento delle basi dell’analisi econometrica fino all’approfondimento di tecniche avanzate per l’analisi di dati complessi e la progettazione di indagini empiriche.
Nel primo modulo, articolato in sette lezioni da due ore ciascuna, viene fornita un’introduzione sistematica all’econometria di base. Partendo dai fondamenti della regressione lineare, si affrontano i principali problemi legati alla stima e all’interpretazione dei modelli, come la multicollinearità, l’eteroschedasticità e l’autocorrelazione. Si prosegue poi con l’analisi di modelli per variabili dipendenti limitate (logit, probit, tobit), utili per lo studio di fenomeni discreti o censurati, e con l’introduzione alle tecniche di regressione con variabili strumentali, volte a gestire problemi di endogeneità. Il modulo si conclude con una riflessione sui fondamenti dell’inferenza statistica e sulle implicazioni interpretative dei risultati.
Il secondo modulo, composto da tre lezioni da tre ore ciascuna, è dedicato alla teoria e all’applicazione dei modelli di regressione multilivello. Partendo dal riconoscimento della struttura gerarchica dei dati sociali (individui inseriti in contesti come famiglie, scuole o paesi), vengono illustrate le logiche di stima e interpretazione dei modelli a due e più livelli. Particolare attenzione è dedicata alle applicazioni per l’analisi comparativa e longitudinale, in cui le osservazioni sono raggruppate per unità territoriali o temporali.
Il terzo modulo, anch’esso costituito da tre lezioni da tre ore, affronta alcuni temi selezionati di metodologia delle indagini campionarie (survey methodology). Vengono analizzati i principi di costruzione dei questionari, le tecniche di campionamento, la gestione dei tassi di risposta e le strategie per ridurre i bias nelle rilevazioni. Il modulo include inoltre una parte applicativa dedicata alla valutazione della qualità dei dati e alla documentazione dei dataset per la ricerca.
Al termine del corso, gli studenti saranno in grado di comprendere, progettare e condurre analisi quantitative su dati sociali, scegliendo in modo consapevole le tecniche più adeguate ai propri obiettivi di ricerca e interpretando criticamente i risultati ottenuti.
Prerequisiti
Prerequisiti per il corso includono la conoscenza dei modelli di regressione lineare e una preparazione teorico-metodologica di base nell’ambito della ricerca sociale.
Modalità didattica
Il corso prevede un totale di 48 ore di didattica in presenza, articolate in lezioni che combinano modalità espositiva e attività interattive. Ciascun incontro si compone di una prima parte dedicata alla presentazione dei contenuti teorici e metodologici (modalità frontale) e di una seconda parte orientata alla partecipazione attiva degli studenti e delle studentesse attraverso esercitazioni individuali o di gruppo, presentazioni e momenti di discussione collettiva. Il corso si svolge in lingua inglese e le esercitazioni verranno svolte utilizzando il software statistico Stata.
Materiale didattico
Angrist, J. D., & Pischke, J.-S. (2009). Mostly harmless econometrics: An empiricist’s companion. Princeton, NJ: Princeton University Press.
Angrist, J. D., & Pischke, J.-S. (2015). Mastering ’metrics: The path from cause to effect. Princeton, NJ: Princeton University Press.
Cameron, A. C., & Trivedi, P. K. (2010). Microeconometrics using Stata. College Station, TX: Stata Press.
De Leeuw, E. D., Hox, J. J., & Dillman, D. A. (2008). The cornerstones of survey methodology. In E. D. de Leeuw, J. J. Hox, & D. A. Dillman (Eds.), International handbook of survey methodology (pp. 1–17). New York, NY: Lawrence Erlbaum Associates.
Groves, R. M., Fowler, F. J., Couper, M. P., Lepkowski, J. M., Singer, E., & Tourangeau, R. (2009). Survey methodology (2nd ed.). Hoboken, NJ: Wiley.
Huff, D. (1993). How to lie with statistics. New York, NY: W. W. Norton & Company.
Kreft, I. G. G., & de Leeuw, J. (1998). Introducing multilevel modeling. Thousand Oaks, CA: Sage.
Longhi, S., & Nandi, A. (2015). A practical guide to using panel data. Thousand Oaks, CA: Sage.
Rabe-Hesketh, S., & Skrondal, A. (2005). Multilevel and longitudinal modeling using Stata. College Station, TX: Stata Press.
Sala, E., Knies, G., & Burton, J. (2014). Propensity to consent to data linkage: Experimental evidence on the role of three survey design features in a UK longitudinal panel. International Journal of Social Research Methodology, 17(5), 455–473.
Sala, E., & Lillini, R. (2017). Undercoverage bias in telephone surveys in Europe: The Italian case. International Journal of Public Opinion Research, 29(1), 133–156.
Singer, J. D., & Willett, J. B. (2003). Applied longitudinal data analysis: Modeling change and event occurrence. Oxford: Oxford University Press.
Weiss, N. A. (2012). Introductory statistics (9th ed.). Boston, MA: Addison-Wesley.
Wooldridge, J. M. (2013). Introductory econometrics: A modern approach (5th ed.). Mason, OH: South-Western Cengage Learning.
Periodo di erogazione dell'insegnamento
febbraio 2026 - maggio 2026
Modalità di verifica del profitto e valutazione
La valutazione finale del corso (cioè il voto complessivo) viene calcolata secondo queste percentuali:
30% della valutazione dipende dalla partecipazione in classe — quindi dalla presenza attiva, dal contributo alle discussioni, dalle esercitazioni, ecc.;
70% della valutazione deriva dai compiti o esercitazioni (homework) assegnati durante il corso, che rappresentano la parte principale della valutazione.
Orario di ricevimento
Mercoledi' 11.00-12.00
Sustainable Development Goals
Aims
Knowledge and understanding: the course provides an overview of the methods of quantitative data collection and analysis most commonly used in social science research.
Applying knowledge and understanding: provide the skills needed to design a survey and to analyze cross-sectional, repeated cross-sectional, and longitudinal (panel) data in order to address associative, predictive, and causal research questions.
Making judgments: develop the ability to critically evaluate quantitative methods and results in sociological research, recognizing their theoretical assumptions, limitations, and practical implications.
Communication skills: foster the ability to structure and effectively present quantitative findings within a sociological theoretical framework.
Learning skills: promote autonomy in study and research by encouraging the capacity to deepen course content critically and independently.
Contents
The course provides an integrated overview of the main quantitative methods used in social research. After an introduction to basic econometrics—covering linear regression techniques, the analysis of limited dependent variables, the use of instrumental variables, and the foundations of statistical inference—the course explores the theory and application of multilevel regression for the analysis of comparative and longitudinal data. In the final part, selected topics in survey methodology are examined in greater depth, with the aim of equipping students with the skills needed to design, collect, and analyze quantitative data independently and critically.
Detailed program
The course is structured into three progressive modules that guide students from the fundamentals of econometric analysis to the mastery of advanced techniques for analyzing complex data and designing empirical surveys.
The first module, consisting of seven two-hour lectures, provides a systematic introduction to basic econometrics. Starting from the foundations of linear regression, it addresses key issues related to model estimation and interpretation, such as multicollinearity, heteroskedasticity, and autocorrelation. The module then covers models for limited dependent variables (logit, probit, tobit), useful for studying discrete or censored phenomena, and introduces instrumental variable regression techniques for dealing with endogeneity. It concludes with a discussion of the foundations of statistical inference and the interpretative implications of quantitative results.
The second module, composed of three three-hour lectures, focuses on the theory and application of multilevel regression models. Beginning with the recognition of the hierarchical structure of social data (e.g., individuals nested within families, schools, or countries), it illustrates the logic of estimation and interpretation of two- and multi-level models. Particular attention is given to applications in comparative and longitudinal analyses, where observations are grouped by territorial or temporal units.
The third module, also comprising three three-hour lectures, explores selected topics in survey methodology. It examines questionnaire design principles, sampling techniques, response rate management, and strategies for minimizing survey bias. The module also includes an applied component focused on assessing data quality and documenting research datasets.
Upon completion of the course, students will be able to understand, design, and conduct quantitative analyses of social data, selecting the most appropriate techniques for their research objectives and critically interpreting the results obtained.
Prerequisites
Prerequisites for the course include knowledge of linear regression models and a basic theoretical and methodological background in social research.
Teaching form
The course consists of a total of 48 hours of in-person teaching, organized into lectures that combine expository sessions with interactive activities. Each meeting includes a first part devoted to the presentation of theoretical and methodological content (lecture-based format) and a second part aimed at fostering active student participation through individual or group exercises, presentations, and collective discussions. The course is taught in English, and the practical sessions will be conducted using the statistical software Stata.
Textbook and teaching resource
Angrist, J. D., & Pischke, J.-S. (2009). Mostly harmless econometrics: An empiricist’s companion. Princeton, NJ: Princeton University Press.
Angrist, J. D., & Pischke, J.-S. (2015). Mastering ’metrics: The path from cause to effect. Princeton, NJ: Princeton University Press.
Cameron, A. C., & Trivedi, P. K. (2010). Microeconometrics using Stata. College Station, TX: Stata Press.
De Leeuw, E. D., Hox, J. J., & Dillman, D. A. (2008). The cornerstones of survey methodology. In E. D. de Leeuw, J. J. Hox, & D. A. Dillman (Eds.), International handbook of survey methodology (pp. 1–17). New York, NY: Lawrence Erlbaum Associates.
Groves, R. M., Fowler, F. J., Couper, M. P., Lepkowski, J. M., Singer, E., & Tourangeau, R. (2009). Survey methodology (2nd ed.). Hoboken, NJ: Wiley.
Huff, D. (1993). How to lie with statistics. New York, NY: W. W. Norton & Company.
Kreft, I. G. G., & de Leeuw, J. (1998). Introducing multilevel modeling. Thousand Oaks, CA: Sage.
Longhi, S., & Nandi, A. (2015). A practical guide to using panel data. Thousand Oaks, CA: Sage.
Rabe-Hesketh, S., & Skrondal, A. (2005). Multilevel and longitudinal modeling using Stata. College Station, TX: Stata Press.
Sala, E., Knies, G., & Burton, J. (2014). Propensity to consent to data linkage: Experimental evidence on the role of three survey design features in a UK longitudinal panel. International Journal of Social Research Methodology, 17(5), 455–473.
Sala, E., & Lillini, R. (2017). Undercoverage bias in telephone surveys in Europe: The Italian case. International Journal of Public Opinion Research, 29(1), 133–156.
Singer, J. D., & Willett, J. B. (2003). Applied longitudinal data analysis: Modeling change and event occurrence. Oxford: Oxford University Press.
Weiss, N. A. (2012). Introductory statistics (9th ed.). Boston, MA: Addison-Wesley.
Wooldridge, J. M. (2013). Introductory econometrics: A modern approach (5th ed.). Mason, OH: South-Western Cengage Learning.
Semester
february 2026 - may 2026
Assessment method
The final course grade (i.e., the overall mark) is calculated according to the following percentages:
30% of the grade is based on class participation — including active attendance, contributions to discussions, and engagement in exercises and other classroom activities;
70% of the grade is based on homework assignments completed during the course, which constitute the main component of the overall evaluation.
Office hours
Wednesday (11.00-12.00)
