Il corso tratta gli aspetti teorici e applicativi dei modelli lineari generalizzati. In particolare: modello di regressione lineare e analisi della varianza; teoria dei modelli lineari generalizzati; modelli per variabili di risposta categoriale e per dati di conteggio; introduzione ai modelli multilivello. I modelli saranno utilizzati per l’analisi di dati reali tramite il software Stata, ponendo particolare attenzione alla scelta del modello e all’interpretazione dei risultati.
Fahrmeir, L., Kneib, Th., Lang, S., Marx, B. (2013). Regression. Models, Methods and Applications. Springer.
Obiettivi Formativi
CONOSCENZE:
Conoscenza dei principali modelli statistici in termini di proprietà formali, metodi di stima e potenzialità applicative
COMPETENZE:
Capacità critica di selezionare il modello più appropriato in base agli obiettivi di ricerca e ai dati disponibili, stimare il modello prescelto, valutare l’adeguatezza del modello e interpretare i risultati. Capacità di scrivere un breve rapporto sull’analisi effettuata e l’utilizzo dei risultati derivanti dal modello
Prerequisiti
INSEGNAMENTO PROPEDEUTICO:
INFERENZA STATISTICA
Metodi Didattici
Lezioni frontali in aula e in laboratorio
Modalità di verifica apprendimento
prova scritta, prova pratica al computer e prova orale.
Programma del corso
1. Il modello di regressione lineare: richiami di teoria e applicazioni
1.1. Regressione lineare semplice
1.2. Regressione lineare multipla
1.3. Funzioni non lineari
1.4. Interazioni
2. Teoria dei modelli lineari generalizzati
2.1. famiglia esponenziale
2.2. modelli lineari generalizzati
2.3. stima
2.4. inferenza
3. Modelli per variabili di risposta qualitativa
3.1. variabile di risposta dicotomica e regressione logistica
3.2. variabile di risposta ordinale e nominale
4. Modelli per dati di conteggio e regressione di Poisson
5. Modelli multilivello
6. Regressione quantilica