STATISTICS FOR EMPIRICAL RESEARCH IN MANAGEMENT

Il corso è una delle attività di base del programma di dottorato. Il corso permette agli studenti di apprendere alcuni dei principali concetti di statistica e il loro utilizzo nell'ambito della gestione aziendale. Il corso si prefigge di introdurre la modellazione statistica e le sue applicazioni. Gli studenti apprenderanno metodi analitici per la visualizzazione, analisi e interpretazione di varie informazioni. Particolare enfasi sarà posta sulla capacità di interpretare i risultati dell'analisi. L'apprendimento sarà supportato dell'uso di software statistico adeguato come R.

1. Conoscenze e competenze
- conoscenza della terminologia appropriata e dei concerti di base della probabilità e l'inferenza statistica
- comprensione dei punti di forza e le limitazioni dei metodi statistici usati per analizzare fenomeni del mondo reale
- conoscenza di metodi statistici di base e alcuni metodi avanzati per l'analisi e la predizione, e il loro utilizzo nell'ambito degli studi aziendali

2. Abilità di applicare le conoscenze e competenze
- comprensione degli aspetti principali di un'analisi statistica
- abilità di scegliere il modello più appropriato per una determinata analisi
- abilità di presentare strategie di ricerca basate sui risultati ottenuti nelle analisi statistiche

3. Capacità di Giudizio
- capacità di valutare in maniera critica i modelli stimati
- capacità di giudicare in maniera critica in quali circostanze un'analisi può essere affidabile

4. Comunicazione
- capacità di presentare, discutere e giustificare i risultati ottenuti tramite analisi statistiche
- capacità di presentare i risultati di un'analisi in forma scritta

Si assume che gli studenti abbiano una conoscenza di base di probabilità e statistica. Un'introduzione alla Statistica si può trovare, ad esempio, in Ross. S.M. Introductory Statistics. 3d edition, Elsevier. Si assume che gli studenti abbiano conoscenze di probabilità e statistica simili a quello coperte dai capitoli 1-9 del libro. Gli studenti che ritengano utile ripassare tali concetti possono avvalersi di altri libri che trattino gli stessi argomenti.

1. Richiami di probabilità e statistica di base
1.1 Probabilità di base
1.2 Statistiche descrittive, stima e verifica di ipotesi statistica
2. Modelli di regressione lineare multivariati
2.1 Il modello lineare semplice: richiami
2.2 Il modello lineare multiplo
2.3 Inferenza e valutazione critica dei modelli lineari
2.4 Variabili indipendenti dicotomiche e categoriali, ANOVA e ANCOVA
2.5 Multicolinearità e selezioni di variabili
3. Metodi per dati panel
3.1 Introduzione ai dati panel
3.2 Modelli di regressione per dati panel
3.3 Stime di effetti fissi e random
4. Modelli lineari generalizzati
4.1 Introduzione ai modelli lineari generalizzati
4.2 Modelli probit e logit per dati binari
5. Classificazione e analisi dei gruppi
5.1 I modelli lineari generalizzati come classificatori
5.2 Misure di precisione per i problemi di classificazione
5.3 Analisi di gruppi per problemi complessi

L'implementazione pratica dei metodi statistici discussi nel corso sarà presentata tramite software statistico adeguato (per esempio R).

Gli studenti sono incoraggiati a suggerire argomenti che siano di particolare interesse nell'ambito dei loro programmi di ricerca.

Testi di riferimento:
1. Introductory econometrics : a modern approach / Jeffrey M. Wooldridge. 5th edition, Boston : Cengage
2. Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani An Introduction to Statistical Learning: With Applications in R, 2nd edition, Springer

Letture aggiuntive:
Ross. S.M. Introductory Statistics. 3d edition, Elsevier.
Trosset, Michael W. An introduction to statistical inference and its applications with R. CRC Press
Additional suggested reading and materials made available on the Moodle platform

Durante il corso agli studenti saranno assegnati degli esercizi di analisi di dati in cui dovranno utilizzare i metodi presentati in classe. Gli esercizi saranno valutati in modalità pass/fail: gli studenti che abbiano presentato esercizi non sufficienti dovranno ripetere l'esercizio fino a che non verrà considerato di livello sufficiente. Uno studente che abbia ottenuto una valutazione sufficiente per tutti gli esercizi avrà raggiunto un voto di 18/30 e potrà accedere ad un esame scritto di 45 minuti in cui verrà verificato l'apprendimento degli aspetti più teorici presentati nel corso.

scritto

Lezioni di teoria (descrizione dei metodi) complimentate da sessioni di laboratorio. I metodi saranno discussi tramite l'applicazione a problemi reali utilizzando software specifico. In particolare si farà uso del linguaggio statistico R.