Elementi di Analisi dei Dati e di Statistica Descrittiva, Probabilità, ed Inferenza.

Statistica Applicata, Econometria di base (modelli lineari semplici e multipli).

Modelli Logit.

Il corso intende fornire gli strumenti principali per identificare analiticamente le strutture nascoste presenti nei dati ed essere in grado di utilizzarle per prevedere i valori futuri dei dati stessi o prendere altri tipi di decisioni. La parte centrale del corso mira a fornire le basi, mediante l'utilizzo di appropriati software (RStudio), per costruire modelli statistico-econometrici per prevedere e stimare un 'output' utilizzando un numero (potenzialmente) molto grande di 'input'.

1. Valutazione e Selezione dei modelli: (i) Cross-validation; (ii) Criteri di Informazione.

2. Metodi di selezione e di 'shrinkage': (i) tecniche di regressione 'forward' e 'backward'; (ii) Stepwise; (iii) Lasso; (iv) Regression Ridge; (v) Principal Component Analysis; (vi) Partial Least Squares.

Durante il corso, gli studenti svolgeranno lezioni pratiche sugli argomenti descritti in forma cartacea ed analitica, mediante l'utilizzo del software 'open source' RStudio.

• 1.  (A) James, G., Witten, D., Hastie, T., and Tibshirani, R. An Introduction to Statistical Learning: with Applications in R Springer, New York (USA), 2017 » Pagine/Capitoli: Indicati dal Docente
• 2.  (C) Hastie, T., Tibshirani, R., and Friedman, J. The Elements of Statistical Learning Data Mining, Inference, and Prediction Springer, New York (USA), 2009 » Pagine/Capitoli: Indicati eventualmente dal Docente

• Lezioni teoriche/metodologiche. Esercizi empirici di natura microeconomico-sociale and aziendale. Casi di studio su dati micro mediante l'utilizzo del software statistico-econometrico RStudio.

• La modalità di valutazione (in trentesimi) consiste in una prova scritta in cui gli studenti dovranno svolgere alcuni quesiti (suddivisi in sottopunti) contenenti: domande teoriche/pratiche; svolgimento di esercizi; interpretazione di grafici e output di stima.
  
  Durante il corso è previsto lo svolgimento di un 'Project Work' in gruppi su dati reali (micro) mediante il software utilizzato a lezione. I gruppi devono essere composti da un minimo di 2 ad un massimo di 4 studenti. Il 'Project Work' è obbligatorio e comporta un punteggio aggiuntivo fino a 1 punto (massimo) sul voto conseguito nella prova scritta.
  
  Il voto finale dell'esame è ottenuto sommando all'esito della prova scritta il voto ottenuto nel Project Work (da 0 a 1), limitatamente alla prova sostenuta - con qualsiasi esito - in uno degli appelli della prima sessione d'esame. In caso di ritiro alla prova scritta, il punteggio del 'Project Work' sarà mantenuto, ma sempre entro la prima sessione d'esame.
  
  

inglese