Il corso introduce agli aspetti teorici ed applicativi dell'event-history analysis, con alcuni elementi dell'analisi di dati panel.
I dati longitudinali sono comunemente usati per rispondere a molti interrogativi di ricerca in ambito socio-demografico ed epidemiologico.
- Hans-Peter Blossfeld, Gotz Rohwer, Thorsten Schneider
(2019). Event History Analysis With Stata. 2nd Edition. Routledge.
- Stefani Scherer (2013). Analisi dei dati longitudinali. Un'introduzione pratica. Bologna: Il Mulino.
- Slides e altri materiali verranno forniti durante il corso.
Obiettivi Formativi
Il corso tratta dei metodi univariati e multivariati (modelli di regressione) per l'analisi di dati longitudinali (event-history e panel), con attenzione agli sviluppi recenti.
Verranno anche fornite le competenze di data management necessarie per condurre analisi dei dati longitudinali su Stata.
Infine, gli studenti saranno in grado di applicare i metodi imparati nell'ambito della ricerca sociale e demografica.
Prerequisiti
Inferenza statistica.
Metodi Didattici
Lezioni frontali e sessioni in laboratorio.
Modalità di verifica apprendimento
Studenti frequentanti:
- Assignments da consegnare a cadenza regolare (10% voto finale);
- Discussione dei risultati di un'analisi longitudinale su un tema sostantivo di natura socio-demografica da concordare con i docenti (20% voto finale);
- Realizzazione e stesura dell'elaborato finale (70% voto finale).
Studenti non frequentanti:
esame scritto che include sia esercizi da svolgere su Stata che domande di teoria.
Programma del corso
Introduzione (Concetti di base e definizioni, dati per l'analisi degli eventi, casi censurati e troncati, tempo discreto vs. tempo continuo); Dati per l'analisi degli eventi (codifica e preparazione dei dati, tavole di sopravvivenza, Kaplan-Meier e relativi stimatori, applicazioni su Stata, variabili time-constant e time-varying);
Introduzione ai modelli parametrici (Esponenziale e costante a tratti); Aspetti modellistici (interazioni e combinazioni di variabili; scelta del modello e bontà di adattamento);
Modelli parametrici (Weibull, Gompertz, Log-Logistic, Log-Normal); Modello di Cox (Stima, interpretazione dei parametri e diagnostiche, assunto di proporzionalità); Modelli a rischi competitivi (preparazione dei dati, stima e interpretazione); Argomenti avanzati (Modelli a tempo discreto, modelli frailty, eterogeneità non osservata); Introduzione ai dati panel e relativi modelli di regressione (effetti casuali ed effetti fissi).