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 discutere applicazioni 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 di un'articolo di ricerca contenente un'analisi di dati longitudinali (20% voto finale);
- Realizzazione, presentazione e stesura di un mini-project che prevede un'analisi longitudinale su un tema sostantivo di natura socio-demografica da concordare con i docenti (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);
Modelli non 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).