All’inizio del corso, gli studenti riceveranno una concisa introduzione al linguaggio di programmazione R, che fornirà loro i comandi fondamentali. Successivamente, il programma approfondirà le metodologie di ricerca quantitativa, includendo i principali aspetti della teoria della probabilità e della statistica inferenziale. Questo comprende un’esplorazione completa di stima, test d’ipotesi e intervalli di confidenza.

Proseguendo, il corso affronterà i temi della classificazione non supervisionata, con particolare attenzione alle tecniche di clustering, e i metodi di riduzione della dimensione. Gli studenti si confronteranno poi con la regressione lineare e le tecniche di selezione delle variabili, acquisendo una solida comprensione di questi approcci analitici.

Nella parte finale del corso, l’attenzione si sposterà su argomenti avanzati come i modelli per dati panel, includendo sia i modelli pooled sia quelli a effetti fissi, e i modelli di scelta discreta, tra cui il modello di probabilità lineare, il logit e il probit. Il corso si concluderà con i fondamenti di Impact Evaluation, offrendo una panoramica dei principali approcci alla valutazione controfattuale: Randomized Controlled Trials, Difference-in-Differences, Variabili Strumentali e Regression Discontinuity Design.