-
Lingua Insegnamento:
ITALIANO
-
Testi di riferimento:
Dispense - Appunti del corso distribuite in aula
Per ulteriori approfondimenti:
Sarndal, C. E., Swensson, B. and Wretman, J. (1992). Model Assisted Survey Sampling. Springer, New York, NY.
-
Obiettivi formativi:
L’obiettivo formativo per lo studente è che raggiunga i seguenti risultati di apprendimento:
Conoscenza e capacità di comprensione
Il corso intende fornire avanzamenti metodologici ed applicativi dei metodi e le tecniche dei sondaggi in campo economico ed aziendale. Si vuole, inoltre, spingere gli studenti a specializzarsi nell'uso del pacchetto statistico open source R per selezionare campioni e produrre stime.
Capacità di applicare conoscenza e comprensione
Al termine del corso di insegnamento sarà in grado di selezionare campioni e produrre stime usando sofisticati metodi Design-Based e Model-Assisted. Le conoscenze acquisite gli consentiranno di stimare aggregati economici e/o aziendali.
-
Prerequisiti:
Lo studente deve possedere le conoscenze della statistica di base e della matematica generale
-
Metodi didattici:
Lezioni orali. Esercitazioni pratiche con il software R.
-
Modalità di verifica dell'apprendimento:
Conoscenza e comprensione – L’efficacia formativa dell’insegnamento è verificata attraverso una preliminare prova scritta comune e un colloquio orale individuale. La prova scritta può essere svolta anche durante il Corso per step successivi e consiste in domande che lo studente deve acquisire riferite a temi generali e volte ad accertare la capacità dello studente di articolare in via sintetica i principali aspetti riferiti all'argomento preso a riferimento. Il colloquio orale individuale consiste in domande volte ad approfondire alcuni dei temi del programma (anche tra quelli ricompresi nella prova scritta) con la finalità di verificare la capacità dello studente di analizzare aspetti più particolari e specifici. La valutazione dell’esame è espressa in trentesimi e tiene conto sia della prova scritta preliminare (valutata in trentesimi), sia del successivo colloquio orale. Capacità di applicare conoscenza e comprensione - Durante il colloquio orale il docente verifica, inoltre, la capacità dello studente di applicare le conoscenze acquisite sui temi richiamati durante le lezioni frontali e approfonditi durante lo studio individuale.
-
Obiettivi Agenda 2030 per lo sviluppo sostenibile:
Molti degli esempi descritti durante il corso si ispirano a noti modelli utilizzati per studiare alcune tematiche centrali nella sostenibilità ambientale, sociale ed economica. Tra i molti possiamo riportare (gli Obiettivi di Sviluppo Sostenibile -SDGs- dell'Agenda ONU 2030 sono riportati tra parentesi):
- l'aspettativa di vita e il reddito pro capite reale (SDG3-SDG4)
- rilevazione dati COVID-19 (SDG3)
- indici di concentrazione dei redditi (SDG1-SDG10)
- iindagini longitudinali e dinamica della crescita economica di un paese nel lungo periodo (SDG8)
-
Altre Informazioni:
E-mail: benedett@unich.it.
Giorni ed orari di ricevimento studenti:
Nel I semestre il docente riceve per appuntamento (benedett@unich.it). Nel II semestre il ricevimento è fissato per il mercoledì dalle ore 16:00 alle ore 18:00, studio DEC 2° Piano, Viale Pindaro 42.
Concetti, definizioni, nomenclature
Tipologie di indagini
La costruzione degli archivi
I questionari
Popolazione e campionamento
Le caratteristiche di alcuni disegni campionari
Tecniche di stima basate sul disegno
L’uso di informazioni ausiliarie nella stima campionaria
Controllo e correzione dei dati
Diffusione dei dati
1.1. Cenni storici
1.2. Concetti, definizioni, nomenclature
1.3. Tipologie di indagini
1.4. La costruzione degli archivi
1.5. I questionari
2. Popolazione e campionamento
2.1. Popolazioni finite e superpolazioni
2.2. Campioni con o senza reinserimento
2.3. Lo spazio campionario
2.4. Campioni casuali e disegnio campionario
2.5. Le probabilità di inclusione
2.6. Algoritmi di selezione campionaria
3. Le caratteristiche di alcuni disegni campionari
3.1. Introduzione
3.2. Il campione casuale semplice
3.3. Campionamenti con probabilità variabili
3.4. Il campione sistematico
3.5. Il campione stratificato
3.6. Campionamento a grappoli
3.7. L’uso di due o più stadi di campionamento
3.8. Campionamenti di unità territoriali
3.9. Il campione bilaciato
4. Tecniche di stima basate sul disegno
4.1. Introduzione
4.2. Statistiche e stimatori
4.3. Stima del totale
4.4. Gli stimatori di Hansen-Hurwitz (HH) e di Horvitz-Thompson (HT)
4.5. Varianza delle stime e stima dell’errore campionario
4.6. Stimatori e relative varianze per alcuni piani di campionamento
5. L’uso di informazioni ausiliarie nella stima campionaria
5.1. Introduzione
5.2. L’uso delle variabili ausiliarie
5.3. Stime assistite da modello o basate su modello
5.4. Gli stimatori di post stratificazione delle differenze e del quoziente
5.5. Lo stimatore di regressione generalizzato
5.6. Gli stimatori di calibrazione
5.7. Correzione dagli effetti delle mancate risposte totali
5.8. Stima per piccoli domini
6. Controllo e correzione dei dati
6.1. Introduzione
6.2. Il piano di campatibilità
6.3. Identificazioni degli errori
6.4. Correzioni selettive ed interattive
6.5. Metodi di imputazione
7. Diffusione dei dati
7.1. Introduzione
7.2. Tutela della riservatezza
7.3. Diffusione di dati elementari
7.4. Diffusione di stime o dati aggregati
Scopri cosa vuol dire essere dell'Ud'A
SEDE DI CHIETI
Via dei Vestini,31
Centralino 0871.3551
SEDE DI PESCARA
Viale Pindaro,42
Centralino 085.45371
email: info@unich.it
PEC: ateneo@pec.unich.it
Partita IVA 01335970693
