- Docente: Stefania Mignani
- Crediti formativi: 8
- SSD: SECS-S/01
- Lingua di insegnamento: Italiano
- Moduli: Stefania Mignani (Modulo 1) Alessandro Lubisco (Modulo 2) Valentina Sansivieri (Modulo 3)
- Modalità didattica: Convenzionale - Lezioni in presenza (Modulo 1) Convenzionale - Lezioni in presenza (Modulo 2) Convenzionale - Lezioni in presenza (Modulo 3)
- Campus: Rimini
- Corso: Laurea in Finanza, assicurazioni e impresa (cod. 8872)
Conoscenze e abilità da conseguire
Al termine del corso lo studente ha acquisito competenze informatiche di software statistici ad hoc per l'analisi dei dati multivariati con tecniche statistiche avanzate. In particolare, lo studente è in grado di: - applicare e interpretare i risultati di modelli di regressione multivariata con l'ausilio del software R. - affrontare problemi di classificazione di dati reali da un punto di vista teorico e applicativo con software specifici. -analizzare criticamente dati provenienti da indagini reali attraverso lo studio di casi reali effettuato in laboratorio.
Contenuti
I MODULO
-Introduzione sui modelli a variabili latenti
-Richiami alll'analisi delle componenti principali
-Modello fattoriale
- Modelli ad equazioni strutturali (Modello LISREL)
-Cenni ai modelli per dati categorici
II MODULO
-Richiami al modello di regressione lineare multipla
-Scelta dei regressori nel modello di regressione multipla
-Modelli di regressione con variabili indipendenti categoriche
-Modelli multilevel
Per entrambi i moduli si terranno esercitazioni e studi di casi con l'uso di software specifici (R, SPSS; LISREL)
Testi/Bibliografia
- S. Mignani, A. Montanari, Appunti di analisi statistica multivariata, Esculapio, Bologna, Seconda edizione, 1997, 5 (Analisi discriminante);
- David J. Bartholomew ...[et al.], The analysis and interpretation of multivariate data for social scientists, 2002, Chapman & Hall
- Dispense fornite dal docente
Metodi didattici
Lezioni in aula e attività in laboratorio
Modalità di verifica e valutazione dell'apprendimento
Esame orale
Per chi vuole è possibile realizzare un breve rapporto scritto sull'analisi di un data set fornito dal docente. Questo rapporto sostiusce una parte dell'esame orale
Strumenti a supporto della didattica
Lucidi, articoli e dataset
Orario di ricevimento
Consulta il sito web di Stefania Mignani
Consulta il sito web di Alessandro Lubisco
Consulta il sito web di Valentina Sansivieri