Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
SCIENZE STATISTICHE
Insegnamento
METODI STATISTICI PER L'INFERENZA CAUSALE
SCP4063387, A.A. 2019/20

Informazioni valide per gli studenti immatricolati nell'A.A. 2018/19

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
SCIENZE STATISTICHE
SS1736, ordinamento 2014/15, A.A. 2019/20
N0
porta questa
pagina con te
Crediti formativi 9.0
Tipo di valutazione Voto
Denominazione inglese STATISTICAL METHODS FOR CAUSAL INFERENCE
Sito della struttura didattica http://www.stat.unipd.it/studiare/ammissione-laurea-magistrale
Dipartimento di riferimento Dipartimento di Scienze Statistiche
Obbligo di frequenza No
Lingua di erogazione ITALIANO
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile ADRIANO PAGGIARO SECS-S/03

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative SECS-S/03 9.0

Organizzazione dell'insegnamento
Periodo di erogazione Primo semestre
Anno di corso II Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LABORATORIO 3.0 22 53.0
LEZIONE 6.0 42 108.0

Calendario
Inizio attività didattiche 30/09/2019
Fine attività didattiche 18/01/2020
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2014

Syllabus
Prerequisiti: Il corso prevede le conoscenze di:
Statistica 2, Modelli Statistici 1
Conoscenze e abilita' da acquisire: La necessità di inferire nessi causali da osservazioni empiriche è sempre più sentita in diversi campi applicativi, fra i quali l'epidemiologia, la biostatistica, l'economia e le scienze sociali.
Il corso presenta diversi approcci e metodi per l'inferenza causale sia dal punto di vista metodologico che con numerosi studi di caso su dati reali.
L'obiettivo e' consentire allo studente di essere in grado di:
1. Definire nel dettaglio una domanda di ricerca riguardante una relazione causale fra variabili di interesse, alla quale si possa rispondere con un approccio empirico.
2. Individuare di volta in volta il metodo più adatto alla soluzione di un problema concreto e comprenderne le assunzioni necessarie per poter rispondere alla domanda causale di interesse.
3. Utilizzare il metodo in modo appropriato con l'ausilio del software Stata.
4. Interpretare i risultati in modo corretto alla luce della domanda iniziale, delle assunzioni fatte e dei dati disponibili.
Modalita' di esame: La verifica delle conoscenze e competenze acquisite avviene attraverso una prova pratica in aula informatica e una successiva discussione orale dei risultati.
Criteri di valutazione: La valutazione della preparazione dello studente si basa su:
- Comprensione di una domanda di ricerca e capacità di dare una risposta coerente su basi empiriche a partire dai dati disponibili.
- Autonomia e spirito critico nello scegliere e applicare le metodologie acquisite nel corso per la soluzione di specifici casi reali.
Contenuti: 1) Introduzione
- inferenza statistica e causalità
- dati sperimentali, osservazionali e quasi-sperimentali; selection bias
- cenni ai diversi approcci per l'inferenza causale

2) Approccio con risultati potenziali: Rubin Causal Model
- eventi fattuali e controfattuali
- metodi di identificazione dell'impatto parametrici e non parametrici
- selezione nelle osservabili: regressione, p-score matching, Regression Discontinuity Design
- selezione nelle non osservabili: variabili strumentali, diff-in-diff, modelli per dati longitudinali

3) Modelli ad equazioni strutturali (SEM)
- modelli strutturali e causalità
- specificazione, identificazione e stima di modelli complessi
- effetti diretti e indiretti: path analysis, mediazione e moderazione
- analisi fattoriale esplorativa e confermativa
- modelli strutturali con variabili latenti e/o errori di misura
Attivita' di apprendimento previste e metodologie di insegnamento: Il corso è organizzato in lezioni frontali (42 ore), nelle quali si presentano i principali aspetti metodologici e numerose applicazioni empiriche in ambito causale, e studi di caso in aula informatica (22 ore) dove gli studenti possono applicare le conoscenze acquisite analizzando dati reali.
Eventuali indicazioni sui materiali di studio: Libri di testo, slide e dataset forniti dal docente, materiale didattico integrativo disponibile sulla piattaforma Moodle.
Testi di riferimento:
  • Kline, Rex B., Principles and practice of structural equation modeling. New York: Guilford press, 2011. Cerca nel catalogo
  • Acock, Alan C., Discovering structural equation modeling using Stata. Texas: Stata Press, 2013. Cerca nel catalogo
  • Angrist, Joshua D.; Pischke, Jörn-Steffen, Mastering Metrics: The path from cause to effect. Princeton: Princeton University Press, 2015. Cerca nel catalogo