ECONOMIA DELLA REGOLAMENTAZIONE E DELLA VALUTAZIONE DEI PROGRAMMI

Marcello PUCA ECONOMIA DELLA REGOLAMENTAZIONE E DELLA VALUTAZIONE DEI PROGRAMMI

0212800013
DIPARTIMENTO DI SCIENZE ECONOMICHE E STATISTICHE
CORSO DI LAUREA
STATISTICA PER I BIG DATA
2024/2025

ANNO CORSO 2
ANNO ORDINAMENTO 2018
SECONDO SEMESTRE
CFUOREATTIVITÀ
1060LEZIONE
AppelloData
GALLI10/12/2024 - 16:00
GALLI10/12/2024 - 16:00
Obiettivi
CONOSCENZA E COMPRENSIONE: GLI STUDENTI ACQUISIRANNO UNA CONOSCENZA APPROFONDITA DEI CONCETTI E DEI MODELLI RELATIVI ALLA CAUSALITÀ E ALLA VALUTAZIONE DELLE POLITICHE.
SARANNO IN GRADO DI COMPRENDERE E INTERPRETARE I PRINCIPALI METODI STATISTICI UTILIZZATI PER L'ANALISI DEGLI EFFETTI CAUSALI.

CAPACITÀ DI APPLICARE CONOSCENZE E COMPRENSIONE: GLI STUDENTI SARANNO IN GRADO DI APPLICARE IN MODO CRITICO I MODELLI DI CAUSALITÀ E LE TECNICHE DI VALUTAZIONE DELLE POLITICHE A CONTESTI REALI. POTRANNO SELEZIONARE E APPLICARE CORRETTAMENTE LE TECNICHE STATISTICHE PIÙ APPROPRIATE PER VALUTARE L'IMPATTO DELLE POLITICHE PUBBLICHE.

AUTONOMIA DI GIUDIZIO: GLI STUDENTI SVILUPPERANNO LA CAPACITÀ DI VALUTARE IN MODO CRITICO LE EVIDENZE EMPIRICHE E GLI STUDI DI VALUTAZIONE DELLE POLITICHE, IDENTIFICANDONE I LIMITI E LE IMPLICAZIONI PER LA FORMULAZIONE DELLE POLITICHE.

ABILITÀ COMUNICATIVE: GLI STUDENTI SARANNO IN GRADO DI COMUNICARE IN MODO CHIARO E PERSUASIVO I RISULTATI DELLE VALUTAZIONI DELLE POLITICHE, SIA VERBALMENTE CHE PER ISCRITTO, AD UN PUBBLICO TECNICO E NON.


ABILITÀ DI APPRENDIMENTO AUTONOMO: GLI STUDENTI SARANNO INCORAGGIATI A SVILUPPARE LA CAPACITÀ DI RICERCA AUTONOMA E DI APPRENDIMENTO CONTINUO NEL CAMPO DELLA VALUTAZIONE DELLE POLITICHE, ATTRAVERSO L'ANALISI CRITICA DELLA LETTERATURA SCIENTIFICA E L'APPLICAZIONE PRATICA DEI CONCETTI APPRESI.
Prerequisiti
CONOSCENZA DEI CONCETTI PRINCIPALI DI STATISTICA DESCRITTIVA E INFERENZIALE, IN PARTICOLARE: VARIABILI ALEATORIE, STIMATORI E LORO PROPRIETA', TEST DELLE IPOTESI. CONOSCENZA DEI CONCETTI PRINCIPALI DELL'ANALISI DI REGRESSIONE LINEARE
Contenuti
1. CAUSALITÀ NEGLI UNIVERSI PARALLELI
- GRAFI ACICLICI ORIENTATI
- ESITI POTENZIALI

2. ESPERIMENTI

3. SELEZIONE SU OSSERVABILI
- REGRESSIONE
- MATCHING

4. SELEZIONE SU INOSSERVABILI
- REGRESSION DISCONTINUITY DESIGN (RDD)
- VARIABILI STRUMENTALI
- DIFF-IN-DIFF
- DATI PANEL
- GRUPPO DI CONTROLLO SINTETICO
Metodi Didattici
L'INSEGNAMENTO PREVEDE 60 ORE DI LEZIONI FRONTALI (10 CFU), CHE SI SVOLGONO IN AULA CON L'AUSILIO DI PROIEZIONI E DI STRUMENTI INFORMATICI. NON E' PREVISTO OBBLIGO DI FREQUENZA MA SI CONSIGLIA VIVAMENTE DI PARTECIPARE ALLE LEZIONI.

IN CASO DI RESTRIZIONI ALLA FREQUENZA DOVUTE A DISPOSIZIONI DI SICUREZZA, LE LEZIONI VERRANNO TENUTE ONLINE.
Verifica dell'apprendimento
L'ESAME FINALE SARA' ORALE. IL COLLOQUIO VERTERA' SU UNA SERIE DI ARGOMENTI (DA 3 A 5) TRATTATI DURANTE IL CORSO E SCELTI CASUALMENTE DAL DOCENTE.

INOLTRE, GLI STUDENTI POSSONO SCEGLIERE DI DI EFFETTUARE DURANTE IL CORSO LA PRESENTAZIONE DI UN LAVORO. QUESTA PRESENTAZIONE OPZIONALE AVRA' UN IMPATTO DEL 50% SUL VOTO FINALE.
Testi
CUNNINGHAM, SCOTT. CAUSAL INFERENCE: THE MIXTAPE. YALE UNIVERSITY PRESS, 2021.
Altre Informazioni
LE ESERCITAZIONI VERRANNO EFFETTUATE UTILIZZANDO IL LINGUAGGIO R
  BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2024-11-29]