B019297 - INFERENZA CAUSALE E METODI DI VALUTAZIONE

Italiano/Inglese

Il corso tratta dei metodi statistici per fare inferenza su effetti causali da dati sperimentali e osservazionali. Verranno utilizzati esempi da diverse discipline: economia, scienze dell'educazione, epidemiologia, scienze biomediche e riguarderanno, tra l'altro, la valutazione della formzione professionale e altre politiche attive del lavoro, la valutazione di trattamenti medici, l'analisi di studi clinici, la valutazione degli effetti del fumo e del servizio militare.

Il testo di riferimento principale per il corsa è "Causal Inference for Statistics, Social, and Biomedical Sciences: An Introduction",
di GuidoW. Imbens e Donald B. Rubin, Cambridge University Press (2015).
Articoli aggiuntivi saranno resi disponibili dal docente.

Gli studenti acquisiranno la capacità di valutare la plausibilità di conclusioni causali e l'abilità di applicare appropriati metodi statistici per le analisi causali.

Inferenza statistica

Lezioni frontali, anche con presentazioni di casi di studio

Il voto finale si baserà sulla valutazione delle esercizi assegnati a casa, 1 prova intermedia, un progetto finale con discussione orale.

Part
I:

The
Basic
Framework
-
A
Brief
History
of
the
Potential
Outcome
Approach
to
Causal
Inference
-
A
Taxonomy
of
Assignment
Mechanisms


Part
II:
Classical
Randomized
Experiments
-
A
Taxonomy
of
Classical
Randomized
Experiments

-
Fisher’s
Exact
P‐values
for
Completely
Randomized
Experiments
-
Neyman’s
Repeated
Sampling
Approach
to
Completely
Randomized
Experiments
­‐
Regression
Methods
for
Completely
Randomized
Experiments
-­
Model‐based
Inference
in
Completely
Randomized
Experiments

-­
Stratified
Randomized
Experiments
-
Paired
Randomized
Experiments


Part
III
Regular
Assignment
Mechanisms
–
Unconfounded
Treatment
Assignment

–
Estimating
the
Propensity
Score
–
Assessing
Overlap
in
Covariate
Distributions
-
Design
in
Observational
Studies:
Matching
and
Subclassification - Sensitivity Anlalysis


Part
IV:
Irregular
Assignment
Mechanisms

Non‐Compliance
and
Instrumental
Variables
Analysis -
Principal
Stratification
- Additional
topics
depending
on
interest
and
potentially
including: Rgression Discontinuity Designs, Broken Randomized Experiments, Recent
Developments in Causal Inference