Frequentare

ROBERTO ROCCI

Obiettivo formativo dell’insegnamento è l'apprendimento da parte degli studenti dei principali metodi statistici utilizzati per l’inferenza causale. Ossia, come rispondere a domande di ricerca circa l’impatto di determinate cause su di un particolare effetto.

Conoscenza e capacità di comprensione
Alla fine del corso gli studenti conoscono e comprendono i principali metodi per l'inferenza causale.

Capacità di applicare conoscenza e comprensione
Gli studenti apprendono come applicare i principali metodi per l’inferenza causale anche attraverso l’uso di software statistici.

Autonomia di giudizio
La discussione dei vari metodi, anche con lavori di gruppo, fornisce agli studenti le capacità necessarie per analizzare criticamente, ed in autonomia, situazioni reali.

Abilità comunicativa
Gli studenti acquisiscono gli elementi di base per ragionare, e far ragionare, in termini quantitativi su problemi di inferenza causale. Tali abilità saranno ulteriormente sviluppate mediante lavori di gruppo su dati reali.

Capacità di apprendimento
Gli studenti che superano l’esame sono in grado di applicare i metodi appresi in diversi contesti applicativi.

Obiettivo formativo dell’insegnamento è l'apprendimento da parte degli studenti dei principali metodi statistici utilizzati per l’inferenza causale. Ossia, come rispondere a domande di ricerca circa l’impatto di determinate cause su di un particolare effetto

Non ci sono esami propedeutici.
E' necessario però conoscere i fondamenti dell'analisi matematica, del calcolo delle probabilità e della statistica descrittiva ed inferenziale
(modello lineare generale incluso).

Settimana Argomento
1-2 Definizioni di base, ipotesi ed esperimenti randomizzati
3-4 Identificazione e stima non parametrica
5 Selezione su osservabili: Matching, Regressione e Propensity Score
6 Selezione su non osservabili: Non-Parametric IV ed Equazioni Strutturali
7 Stima Difference-in-Differences: selezione su osservabili e non osservabili
8 Regression Discontinuity

- FRÖLICH M., SPERLICH S.(2019). Impact Evaluation.Treatment Effects and Causal Analysis. New York: Cambridge University Press.
- Cunningham, S. (2021). Causal Inference: The Mixtape. Yale University Press. https://doi.org/10.2307/j.ctv1c29t27

- IMBENS G. W., RUBIN D. B. (2015). Causal inference for statistics, social, biomedical sciences: An introduction. New York: Cambridge University Press.
- Scott Cunningham (2023). Causal Inference: The Mixtape. https://www.scunning.com/mixtape.html

Didattica in presenza se possibile. Lezioni teoriche, discussioni di esercizi e casi reali.

La partecipazione alle lezioni è fortemente consigliata.

L'esame finale consiste in una prova scritta con esercizi e domande teoriche, a risposta chiusa e aperta, (80%) ed una prova orale (20%).
Durante il corso ci saranno delle prove intermedie facoltative che esonerano dalla prova scritta dell'esame finale.

Esempi di domande sono riportati sul sito Moodle del corso.