MODELLO LINEARE GENERALIZZATO

Scheda dell'insegnamento

Anno accademico di regolamento: 
2016/2017
Anno di corso: 
1
Anno accademico di erogazione: 
2016/2017
Tipologia di insegnamento: 
Caratterizzante
Tipo di attività: 
Obbligatorio
Settore disciplinare: 
STATISTICA (SECS-S/01)
Crediti: 
6
Ciclo: 
Annualita' Singola
Modulo/partizione di: 
Ore di attivita' didattica: 
47
Prerequisiti: 

Per questa attività formativa è indispensabile la conoscenza degli argomenti trattati nei corsi di base di Analisi Statistica Multivariata.

Metodi di valutazione

Modalita' di verifica dell'apprendimento: 

L'esame consiste di una prova scritta ed un’analisi di casi empirici.

Valutazione: 
Voto Finale

Obiettivi formativi

Il corso ha quale obiettivo l’introduzione alla specificazione, stima e verifica di modelli interpretativi dei dati di tipo lineare più avanzati del modello lineare classico. Si presentano perciò modelli lineari generalizzati sviluppati per i casi, rispettivamente, di: errori eteroschedastici e/o correlati, più di una variabile dipendente, dati con struttura gerarchica e variabili esplicative latenti. L'attività formativa è svolta attraverso lezioni teoriche e lezioni pratiche in laboratorio statistico-informatico nelle quali si affronteranno analisi su casi empirici mediante l’uso del software SAS.

Contenuti

Modelli lineari generalizzati (GLS); Modello multivariato e Modello SURE; Modello Multilevel; Correlazione spuria e Path analysis
Esercitazioni con il software SAS: Prof.ssa Nadia Solaro

Programma esteso

Contenuto 1: Modelli lineari generalizzati con errori eteroschedastici, con errori correlati, e con errori eteroschedastici e correlati.

Contenuto 2: Modello lineare classico multivariato e modello multivariato con diverse ipotesi sugli errori. Modello SURE.

Contenuto 3: Modello Multilevel: struttura gerarchica dei dati e diversi tipi di regressione. Modello lineare con popolazione suddivisa in gruppi. Analisi varianza a effetti misti. Analisi covarianza. Modello Multilevel: ipotesi; metodi di stima; interpretazione risultati; diagnostica; applicazioni.

Contenuto 4: Correlazione spuria e modelli causali. Path analysis: ipotesi; metodi di stima; interpretazione risultati. Modello strutturale di path analysis.

Bibliografia consigliata

Materiale di riferimento:
Materiale del corso disponibile sulla piattaforma e-learning:
http://elearning.unimib.it/.

Testi integrativi:
- Baltagi B. H. (2008), Econometrics, fourth Edition, Springer Berlin
- Dillon W R, Goldstein M (1984). Multivariate Analysis: Methods and Applications, Wiley
- Snijders T.A.B., Bosker R.J. (1999), Multilevel Analysis – An introduction to basic and advanced multilevel modelling, SAGE Publications, London
- Srivastava V.K., Giles D.E.A. (1987). Seemingly Unrelated Regression Equations Models, Marcel Dekker, New York

Metodi didattici

Lezioni teoriche ed esercitazioni in laboratorio statistico-informatico

Contatti/Altre informazioni

Modulo da 6 cfu di “Modelli Statistici I”