Il metodo differenza-nelle-differenze
|
|
|
- Emilia Caselli
- 8 anni fa
- Visualizzazioni
Transcript
1 Il metodo differenza-nelle-differenze Abbiamo visto un esempio di metodo delle serie storiche (prima/dopo) un esempio di metodi sperimentali (con/senza) Consideriamo ora questo ulteriore metodo come punto di partenza per i metodi non sperimentali, quando occorre considerare differenze tra situazioni diverse (con/senza), ma con alcuni problemi ulteriori. IL PROGRAMMA URBAN affronta la problematica urbana in forma integrata, associando promozione dell'attività economica miglioramento dell'infrastruttura e dell'ambiente formazione personalizzata azioni a favore delle pari opportunità adeguamento dei servizi sociali 1
2 2
3 IL PROGRAMMA URBAN Effetto totale =» Realizzazioni fisiche» Risultati a breve» Impatto finale a medio e lungo termine Indicatori di impatto» Tasso di Disoccupazione giovanile» Tasso di crescita PMI assitite» Riduzione inquinamento ecologico IL PROGRAMMA URBAN IMMAGINARIO Immaginiamo che i programmi Urban abbiano un solo ed unico obiettivo: rendere più vivibili i quartieri riducendo gli atti di vandalismo contro edifici pubblici e privati La varibile risultato è quindi il numero di atti di vandalismo denunciati in un anno ogni abitanti, in pratica il tasso di vandalismo per quartiere e per abitanti Per semplificare, assumiamo che il programma Urban (la nostra variabile indipendente sperimentale Ti) modifichi unicamente la variabile-risultato (tasso di vandalismo) in modo indipendente dall azione di altre componenti (situazioni, circostanze, covariate ) che agiscono sia sul tasso di vandalismo sia su altre variabili risultato. 3
4 Assumiamo inoltre che un quartiere, in un certo anno, sarà completamente esposto o non esposto alla politica Quindi il programma Urban, per il quartiere i-esimo, è attivo nel tempo (entro un intervallo considerato) e nello spazio (tra vari quartieri) oppure non è assolutamente attivo. Nel nostro esempio non sono possibili situazioni intermedie: in questo modo la variabile-trattamento T i si presenta come esplicativa dicotoma (0/1) Periodo di realizzazione: città ricevono i finanziamenti per rivitalizzare uno specifico quartiere altri 2 quartieri in altrettante città NON ricevono finanziamenti 4
5 L attuazione di Urban tra il 2001 e il 2003 ha ridotto l incidenza di atti di vandalismo nei quartieri interessati? rispetto a quanto si sarebbe osservato senza alcun intervento Y i,2004 = tasso di vandalismo nel quartiere i-esimo nel 2004, alla conclusione di Urban T i = 1 per i quartieri trattati nel T i = 0 per i 2 quartieri non-trattati Qual è l effetto di T i su Y i,2004? 5
6 Sui quartieri Urban (cioè sui quartieri trattati ) abbiamo i seguenti dati relativi al 2004: n. quartiere Vandalismo 59,5 69,2 64,5,8 74,5 62,7 62,9 67,8,0,8 92,4,4 88,4 64,4 76,6 N Min Max Media Deviazione standard Atti di Vandalismo ,49 nel 2004 la media del tasso di vandalismo nei quartieri trattati era di 66,4. ma questo dato ovviamente non ci consente di rispondere ad alcuna domanda 6
7 Infatti occorre individuare la situazione controfattuale: cosa sarebbe successo in assenza di Urban Tuttavia, per ricostruire tale situazione abbiamo bisogno di altri dati e non bastano quelli relativi al 2004 e ai quartieri trattati Ad esempio, un confronto tra PRIMA e DOPO Quartieri Urban trattati ANNO N Differenza Errore standard della differenza Media del tasso di vandalismo + 3,47 ns Deviazione standard 10,49 10,39 2,088 se CCSSR indipendenti estratti da Pop con distr. Normale 7
8 Quartieri Urban trattati tasso di vandalismo Urban La differenza è positiva, cioè il vandalismo in media è aumentato tra il 2000 e il 2004, durante la realizzazione del programma Urban nei quartieri Questa evidenza basta a sostenere che il programma Urban ha causato un aumento nel tasso di vandalismo, anche se la differenza è NON significativa? In tal caso il il programma Urban avrebbe fallito il suo obiettivo. 8
9 Concludere che il programma Urban ha causato un aumento nel vandalismo equivale a interpretare la semplice differenza pre-post come effetto della politica equivale a dire che la situazione controfattuale equivale alla situazione osservata nei quartieri Urban nel 2000 Significa ammettere una dinamica temporale nulla È plausibile affermare che il vandalismo nel 2000 equivale a quello osservato nel 2004 senza Urban? La dinamica del fenomeno, cioè l insime di fattori ignoti che hanno comunque una dinamica temporale è, come sappiamo, l obiezione principale rispetto al confronto di tipo temporale pre-post Il termine dinamica spontanea sottintende l eventualità che la variabile-risultato sia soggetta ad influenze esterne (esogene) indipendenti dalla politica pubblica in esame e dalle nostre informazioni, influenze in grado di modificarla sensibilmente nel periodo in esame 9
10 I cambiamenti dovuti alla dinamica spontanea possono andare: in una direzione favorevole alla politica, attribuendole scorrettamente dei meriti oppure in una direzione sfavorevole, attribuendole scorrettamente delle colpe Non è necessariamente colpa della politica pubblica se le cose peggiorano Vandalismo controfattuale = sarebbe andata molto peggio dinamica spontanea effetto positivo: implica un miglioramento livello osservato dopo livello osservato prima pre attuazione della politica post tempo 10
11 Non è necessariamente merito della politica pubblica se le cose migliorano Vandalismo livello osservato prima pre dinamica spontanea attuazione della politica post livello osservato dopo effetto negativo: implica un peggioramento controfattuale = sarebbe andata molto meglio tempo L esistenza di una dinamica spontanea nel nostro esempio è plausibile? è ragionevole immaginare che le cose cambino nei quartieri tra il 2000 e il 2004, oltre all attuazione di Urban? altre fattori possono avere un influenza sul vandalismo indipendentemente dall esistenza di Urban? 11
12 In realtà i dati sul vandalismo nei quartieri rilevati prima e dopo l attuazione della politica non sarebbero comunque sufficienti per stimare in modo plausibile l effetto della politica sulla variabile-risultato Abbiamo bisogno di un disegno diverso dell esperimento e anche di altri dati Ad esempio, informazioni sui quartieri non ammessi al programma Urban per verificare le affinità dei quartieri alla partenza Perché non hanno fatto domanda o perché non avevano i requisiti o perché non c erano fondi suffcienti 12
13 Possiamo usare il vandalismo osservato nei 2 quartieri che non hanno partecipato al programma Urban (quartieri NonUrban) per stimare ciò che sarebbe successo nei quartieri Urban in assenza di tale programma? Quartieri Urban 2004 NonUrban 2004 Differenza Errore standard della differenza N 2 Media del tasso di vandalismo 57, + 8,87 sig. almeno al 5% Deviazione standard 10,49 14,98 2,22 Differenza nel tasso di vandalismo tra quartieri Urban e NonUrban nel 2004 tasso di vandalismo 66,4 57, Urban Non Urban 13
14 Nel 2004 il vandalismo è maggiore nei quartieri Urban di circa 9 punti percentuali (+ 8,87) rispetto ai quartieri NonUrban Ora possiamo sostenere che Urban fa aumentare il tasso di vandalismo e decretarne il totale fallimento rispetto questo obiettivo? Ma la differenza con-senza è una stima plausibile dell effetto di Urban? Questo avrebbe senso se e solo se le condizioni di partenza dei due gruppi di quartieri, livello di vandalismo e altre caratteristiche socio-economiche, fossero le stesse.. Ovvero se il Controfattuale coincidesse con la situazione osservata nei quartieri Non Urban nel 2004 È possibile? 14
15 È semmai probabile il contrario, che i quartieri Urban siano stati ammessi ai finanziamenti proprio perché si trovavano in condizioni peggiori Le differenze post-trattamento con-senza non rappresentano l effetto della politica, a meno che si possa dimostrare che le condizioni di partenza (pretrattamento) fossero identiche nei due gruppi (Studi Sperimentali) Le differenze nelle condizioni di partenza sono il principale errore logico nelle valutazioni di tipo non sperimentale 15
16 Entrambe le strategie di valutazione considerate finora 1. confronto pre-post per le unità trattate; 2. confronto con-senza nel periodo post-intervento sono ineffici per valutare gli effetti di una politica pubblica, ciascuna contiene il proprio errore logico: dinamica temporale e selezione campionaria Il confronto pre-post per le unità trattate il capofila di quello che nella letteratura viene definito come pre-post one group design o in psicologia come pretest-postest design La caratteristica principale di questo approccio è non usare alcuna informazione sulle unità non trattate, ma di riferirsi solo alle unità trattate 16
17 Il confronto post-intervento tra unità trattate e non trattate è il capofila di quello che solitamente viene definito come comparison-group design Questo disegno presenta diverse alternative, in funzione della strategia utilizzata per eliminare la distorsione causata dalle differenze di partenza Il modo migliore per eliminare la distorsione causata dalle differenze di partenza è quella di eliminare all origine le differenze tra trattati e non-trattati mediante la randomizzazione Ma questo è raramente fattibile. Restiamo quindi in un ambito non-sperimentale, e proviamo a combinare i confronti con-senza e i confronti pre-post L aggiunta di una quarta osservazione consente di utilizzare il metodo non-sperimentale differenzanelle-differenze 17
18 Finora i nostri tentativi hanno usato tre insiemi di osservazioni, riassunti ciascuno dalla rispettiva media: 1. La media dei tassi di vandalismo nei quartieri Urban La media dei tassi di vandalismo nei quartieri Urban La media dei tassi di vandalismo nei quartieri NonUrban La media dei tassi di vandalismo nei quartieri NonUrban nel 2000 Tipo di quartiere Numero di quartieri Media del tasso di vandalismo osservato Urban NonUrban 2 57, tasso di vandalismo Urban NonUrban 18
19 tasso di vandalismo pre-post Urban NonUrban tasso di vandalismo con-senza 57, Urban NonUrban 19
20 tasso di vandalismo 57, Urban NonUrban due diverse strade per la stessa conclusione 20
21 A. La stima dell effetto è una differenza, in questo caso una differenza tra due differenze che a sua volta si può ottenere in due modi Tipo di quartiere Media del tasso di vandalismo nel Differenze ( ) Urban 3,47 NonUrban 57, 11,13 Differenze (U-NU) 16,53 8,87-7,66 tasso di vandalismo - = 3,47 3,47-11,13=-7,66 57, 57, - = 11,13 effetto =crescita trattati crescita non-trattati Urban NonUrban 21
22 tasso di vandalismo = 16,53 8,87-16,53= -7,66 57, = 8,87 57, effetto =differenza finale differenza iniziale Urban NonUrban B. L effetto è la differenza tra osservato e controfattuale (ma cosa è qui il controfattuale?) 22
23 tasso di vandalismo , Urban NonUrban tasso di vandalismo , Urban NonUrban controfattuale 23
24 tasso di vandalismo controfattuale 74,03 57, Urban NonUrban controfattuale tasso di vandalismo controfattuale 74,03 57, 16, Urban NonUrban controfattuale 24
25 tasso di vandalismo controfattuale 74,03 16,53 57, Urban NonUrban controfattuale tasso di vandalismo controfattuale 74,03 57, effetto = -7,66 Urban NonUrban controfattuale 25
26 Tuttavia il controfattuale riposa su un assunto esplicito ma discutibile Se tale assunto non è plausibile, perde di plausibilità anche la stima dell effetto che abbiamo appena ottenuto La differenza di partenza è calcolta solo sui 2 livelli temporali prima e dopo e non sui trend precedenti L assunto è che non siano in atto differenze nei trend dei due gruppi di quartieri 26
27 E possibile il contrario, infatti i quartieri Urban potrebbero verosimilmente avere un trend di crescita del vandalismo più accentuato degli altri quartieri già prima dell intervento In questo caso l effetto di Urban sarebbe ancora maggiore di quanto stimato con il semplice DD, quindi sottostimato Se nei quartieri con livelli più alti di vandalismo nel 2000 prevalessero trend relativamente meno crescenti, l ipotesi di trend simili implicitamente adottata produrrebbe invece una sovrastima dell effetto di Urban 27
28 Come è possibile rendere la nostra strategia di valutazione più plausibile? Usando altri dati Aggiungiamo una colonna alla nostra tabella, con due ulteriori osservazioni: Tipo di quartiere Urban NonUrban Numero di quartieri 2 Media del tasso di vandalismo osservato nel ,96 39,96 57, 28
29 tasso di vandalismo ,96 57, 39, Urban NonUrban Con le 2 osservazioni aggiuntive possiamo calcolare le differenze pre-intervento nei trend; e possiamo sottrarle alla stima dell effetto ottenuta con quattro osservazioni Effetto = (U 2004 N 2004 ) differenza U/NU post (2004) (U 2000 N 2000 ) differenza U/NU pre (2000) [(U 2000 U 1996 ) (N 2000 N 1996 )] differenza U/NU pre nei trend 9,19 8,87 (+ 16,53) [+ 1,53] Differenza U-NU dopo l intervento meno il controfattuale, ovvero: la differenza che ci sarebbe dovuta essere se si fosse mantenuta la situazione del 2000 la differenza nei due trend U e NU calcolata anche considerando gli anni precedenti al
30 Vediamo il controfattuale tasso di vandalismo ,03 effetto = -7,66 57, Urban NonUrban controf. 4 oss. 30
31 tasso di vandalismo ,03 54,96 +7,94 57, 39,96 +6, Urban NonUrban controf. 4 oss. tasso di vandalismo ,94 6,41 = + 1,53 54,96 +7,94 39,96 +6,41 75,56 74,03 57, Urban NonUrban c.f. 4 oss. c.f. 6 oss. 31
32 tasso di vandalismo ,96 39,96 +7,94 +6,41 effetto = -75,56= -7,66-1,53= -9,19= 57, ,56 Urban NonUrban Controfattuale 6 oss. 32
Il metodo della regressione
Il metodo della regressione Consideriamo il coefficiente beta di una semplice regressione lineare, cosa significa? È una differenza tra valori attesi Anche nel caso classico di variabile esplicativa continua
PSICOMETRIA. Corso di laurea triennale (classe 34) VERIFICA DELL IPOTESI CON DUE CAMPIONI
PSICOMETRIA Corso di laurea triennale (classe 34) VERIFICA DELL IPOTESI CON DUE CAMPIONI CAMPIONI INDIPENDENTI Campioni estratti casualmente dalla popolazione con caratteristiche omogenee Assegnazione
Test delle Ipotesi Parte I
Test delle Ipotesi Parte I Test delle Ipotesi sulla media Introduzione Definizioni basilari Teoria per il caso di varianza nota Rischi nel test delle ipotesi Teoria per il caso di varianza non nota Test
Il metodo della regressione
Il metodo della regressione Il matching statistico Il matching statistico si basa sull idea di abbinare a ciascun soggetto trattato un soggetto non trattato tendenzialmenre equivalente, ovvero molto simile
SMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Prognosi clinica 28/2/2005
SMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Prognosi clinica 28/2/2005 Formulazione La prognosi non è altro che la stima della probabilità di un certo esito Quando il medico fa una previsione
Il metodo della regressione
Il metodo della regressione Consideriamo il coefficiente beta di una semplice regressione lineare, cosa significa? È una differenza tra valori attesi Anche nel caso classico di variabile esplicativa continua
Metodologia Sperimentale Agronomica / Metodi Statistici per la Ricerca Ambientale
DIPARTIMENTO DI SCIENZE AGRARIE E AMBIENTALI PRODUZIONE, TERRITORIO, AGROENERGIA Marco Acutis [email protected] www.acutis.it CdS Scienze della Produzione e Protezione delle Piante (g59) CdS Biotecnologie
Il test (o i test) del Chi-quadrato ( 2 )
Il test (o i test) del Chi-quadrato ( ) I dati: numerosità di osservazioni che cadono all interno di determinate categorie Prima di tutto, è un test per confrontare proporzioni Esempio: confronto tra numero
Elementi di Epidemiologia per la Valutazione Comparativa di Esito
Elementi di Epidemiologia per la Valutazione Comparativa di Esito La valutazione della qualità dell assistenza: quali domande? L incidenza di alcuni esiti negativi dell assistenza ospedaliera (come la
Concetti principale della lezione precedente
Corso di Statistica medica e applicata 9 a Lezione Dott.ssa Donatella Cocca Concetti principale della lezione precedente I concetti principali che sono stati presentati sono: Variabili su scala nominale
1 Esercizio di Riepilogo
1 Esercizio di Riepilogo 1. Un individuo riceve al tempo t = 0 un finanziamento di 50000 euro da restituire con due rate R 1 = 11000 euro al tempo t = 1 e R 2 = 45000 euro al tempo t = 2. Inoltre egli
Compiti tematici dai capitoli 2,3,4
Compiti tematici dai capitoli 2,3,4 a cura di Giovanni M. Marchetti 2016 ver. 0.8 1. In un indagine recente, i rispondenti sono stati classificati rispetto al sesso, lo stato civile e l area geografica
NOZIONI DI CALCOLO DELLE PROBABILITÀ
NOZIONI DI CALCOLO DELLE PROBABILITÀ ESPERIMENTO CASUALE: un esperimento si dice casuale quando gli esiti (manifestazioni o eventi) non possono essere previsti con certezza. PROVA: le ripetizioni, o occasioni
Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni
La statistica inferenziale Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni E necessario però anche aggiungere con
Università degli Studi di Padova. Corso di Laurea in Medicina e Chirurgia - A.A
Università degli Studi di Padova Corso di Laurea in Medicina e Chirurgia - A.A. 015-16 Corso Integrato: Statistica e Metodologia Epidemiologica Disciplina: Statistica e Metodologia Epidemiologica Docenti:
Ulteriori applicazioni del test del Chi-quadrato (χ 2 )
Ulteriori applicazioni del test del Chi-quadrato (χ 2 ) Finora abbiamo confrontato con il χ 2 le numerosità osservate in diverse categorie in un campione con le numerosità previste da un certo modello
x, y rappresenta la coppia di valori relativa La rappresentazione nel piano cartesiano dei punti ( x, y ),( x, y ),...,( x, y )
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 0/03 lezioni di statistica del 5 e 8 aprile 03 - di Massimo Cristallo - A. Le relazioni tra i fenomeni
Statistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
LE DISTRIBUZIONI CAMPIONARIE
LE DISTRIBUZIONI CAMPIONARIE Argomenti Principi e metodi dell inferenza statistica Metodi di campionamento Campioni casuali Le distribuzioni campionarie notevoli: La distribuzione della media campionaria
Tavola di mobilità: esempio
Tavola di mobilità: esempio Destinazione sociale Origine sociale Classe superiore Classe media Classe inferiore Totale Classe superiore 160 30 10 200 Classe media 90 150 60 300 Classe inferiore 50 200
Segnalazioni alle prefetture
Segnalazioni alle prefetture Segnalazioni alle prefetture SEGNALAZIONI ALLE PREFETTURE Le segnalazioni alle Prefetture (ai sensi degli art. 75 e 121 del DPR 309/90), per utilizzo o possesso di sostanze
Gli errori nella verifica delle ipotesi
Gli errori nella verifica delle ipotesi Nella statistica inferenziale si cerca di dire qualcosa di valido in generale, per la popolazione o le popolazioni, attraverso l analisi di uno o più campioni E
IL DISEGNO DELLA RICERCA
IL DISEGNO DELLA RICERCA Che cosa vuol dire? è la strategia dell intera ricerca. Anche se la demarcazione non è netta, esistono disegni a (prevalente) impostazione: campionaria sperimentali osservazionali
Minimi quadrati ordinari Interpretazione geometrica. Eduardo Rossi
Minimi quadrati ordinari Interpretazione geometrica Eduardo Rossi Il MRLM Il modello di regressione lineare multipla è usato per studiare le relazioni tra la variabile dipendente e diverse variabili indipendenti
STATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani [email protected] http://www.riani.it Richiami sulla regressione Marco Riani, Univ. di Parma 1 MODELLO DI REGRESSIONE y i = a + bx i + e i dove: i = 1,, n a + bx i rappresenta
Elementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 25-Dimensione degli effetti e 26-Metanalisi vers. 1.0 (2 dicembre 2014) Germano Rossi 1 [email protected] 1 Dipartimento di Psicologia, Università
STATISTICHE DESCRITTIVE Parte II
STATISTICHE DESCRITTIVE Parte II INDICI DI DISPERSIONE Introduzione agli Indici di Dispersione Gamma Differenza Interquartilica Varianza Deviazione Standard Coefficiente di Variazione introduzione Una
I criteri di valutazione:
I criteri di valutazione: il VAN e il TIR 06.04.2016 La fattibilità economica del progetto La valutazione di fattibilità consiste nella verifica della convenienza economica del developer a promuovere l
Lezioni di Microeconomia
Lezioni di Microeconomia Lezione 3 Quantità e Prezzi di Mercato Lezione 3: quantità e prezzi di mercato Slide 1 Il meccanismo di mercato Ricordiamo che: q d n= f (p n, R, p 1,...,p n-1, G) d q = D( p n
LEZIONE N. 11 ( a cura di MADDALENA BEI)
LEZIONE N. 11 ( a cura di MADDALENA BEI) F- test Assumiamo l ipotesi nulla H 0 :β 1,...,Β k =0 E diverso dal verificare che H 0 :B J =0 In realtà F - test è più generale H 0 :Aβ=0 H 1 :Aβ 0 A è una matrice
PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ SCHEDA
Inflazione, disoccupazione e moneta
Macroeconomia (Clamm) - a.a. 2011/2012 Contenuto Curva di Phillips e aspettative 1 Curva di Phillips e aspettative 2 3 4 Curva di Phillips Offerta aggregata: con: P t livello generale dei prezzi; P e t
Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2009/2010.
Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2009/2010 Statistica Esercitazione 4 12 maggio 2010 Dipendenza in media. Covarianza e
ESAME DI MATEMATICA I parte Vicenza, 05/06/2017. x log 2 x?
A. Peretti Svolgimento dei temi d esame di Matematica A.A. 6/7 ESAME DI MATEMATICA I parte Vicenza, 5/6/7 log? Domanda. Per quali valori di è definita l espressione L espressione è definita se l argomento
Esercizi di statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
Principi di analisi causale Lezione 3
Anno accademico 2007/08 Principi di analisi causale Lezione 3 Docente: prof. Maurizio Pisati Approccio causale Nella maggior parte dei casi i ricercatori sociali utilizzano la regressione per stimare l
Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII
Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII Un breve richiamo sul test t-student Siano A exp (a 1, a 2.a n ) e B exp (b 1, b 2.b m ) due set di dati i cui
Facoltà di Scienze Politiche Corso di Economia Politica. Macroeconomia sui capitoli 24, 25 e 26. Dott.ssa Rossella Greco
Facoltà di Scienze Politiche Corso di Economia Politica Esercitazione di Macroeconomia sui capitoli 24, 25 e 26 Dott.ssa Rossella Greco Domanda 1 (Problema 3. dal Cap. 24 del Libro di Testo) Anno PIL reale
Distribuzione Gaussiana - Facciamo un riassunto -
Distribuzione Gaussiana - Facciamo un riassunto - Nell ipotesi che i dati si distribuiscano seguendo una curva Gaussiana è possibile dare un carattere predittivo alla deviazione standard La prossima misura
Laboratorio di Didattica di elaborazione dati 5 STIMA PUNTUALE DEI PARAMETRI. x i. SE = n.
5 STIMA PUNTUALE DEI PARAMETRI [Adattato dal libro Excel per la statistica di Enzo Belluco] Sia θ un parametro incognito della distribuzione di un carattere in una determinata popolazione. Il problema
L indagine campionaria Lezione 3
Anno accademico 2007/08 L indagine campionaria Lezione 3 Docente: prof. Maurizio Pisati Variabile casuale Una variabile casuale è una quantità discreta o continua il cui valore è determinato dal risultato
Statistica. Esercitazione 14. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice. Verifica di ipotesi
Esercitazione 14 Alfonso Iodice D Enza [email protected] Università degli studi di Cassino () 1 / 14 Ex.1: Verifica Ipotesi sulla media (varianza nota) Le funi prodotte da un certo macchinario hanno una
1. equivalenze e implicazioni logiche. Esercizio 1.2. Trovare le implicazioni che legano i seguenti enunciati (x, y R):
. equivalenze e implicazioni logiche Esercizio.. Trovare le implicazioni che legano i seguenti enunciati (x, y R): () x < y, () x = y, () x y, () x y, () (x y) > 0. Osserviamo subito che (x y) > 0 equivale
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE. a.a.
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 2007/2008 1,00 0,90 0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,00 CDF empirica
Il modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009)
Il modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009) Quesito: Posso stimare il numero di ore passate a studiare statistica sul voto conseguito all esame? Potrei calcolare il coefficiente di correlazione.
L ATTUARIO NELLA SPESA SANITARIA. Giovanna Ferrara 26 Ottobre 2015
L ATTUARIO NELLA SPESA SANITARIA Giovanna Ferrara 26 Ottobre 2015 Settore privato 2 Indicatori di costo Distribuzione per età del costo delle prestazioni sanitarie - Annuari Statistici Costo 600 500 400
i dati escludono vi sia una relazione tra variabile indipendente e variabile dipendente (rispettivamente
TEST DI AUTOVALUTAZIONE - SETTIMANA 6 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia Parte A. La retta di regressione.2
Criteri di Scelta Finanziaria
3 Criteri di Scelta Finanziaria 3.1 Introduzione Spesso occorre confrontare operazioni definite su scadenzari diversi. Nel seguito presentiamo due criteri, quello del valore attuale netto (VAN) e quello
Statistica 1- parte II
Statistica 1- parte II Esercitazione 3 Dott.ssa Antonella Costanzo 25/02/2016 Esercizio 1. Verifica di ipotesi sulla media (varianza nota) Il preside della scuola elementare XYZ sospetta che i suoi studenti
Statistica Descrittiva Soluzioni 3. Medie potenziate
ISTITUZIONI DI STATISTICA A. A. 2007/2008 Marco Minozzo e Annamaria Guolo Laurea in Economia del Commercio Internazionale Laurea in Economia e Amministrazione delle Imprese Università degli Studi di Verona
Imputazione dati mancanti
Imputazione dati mancanti Una volta preparata la matrice dei dati, occorre controllare alcuni aspetti delle variabili disponibili. Missing Value Range Minimum & Maximum Extreme Values Per verificare la
R - Esercitazione 6. Andrea Fasulo Venerdì 22 Dicembre Università Roma Tre
R - Esercitazione 6 Andrea Fasulo [email protected] Università Roma Tre Venerdì 22 Dicembre 2017 Il modello di regressione lineare semplice (I) Esempi tratti da: Stock, Watson Introduzione all econometria
OGGETTO: Ricoveri ospedalieri per patologie respiratorie nella popolazione nata in Italia, residente a S. Polo e nel resto del comune di Brescia.
OGGETTO: Ricoveri ospedalieri per patologie respiratorie nella popolazione nata in Italia, residente a S. Polo e nel resto del comune di Brescia. Introduzione I risultati ottenuti dall indagine precedente
Lezione 4 a - Misure di dispersione o di variabilità
Lezione 4 a - Misure di dispersione o di variabilità Abbiamo visto che la media è una misura della localizzazione centrale della distribuzione (il centro di gravità). Popolazioni con la stessa media possono
Il modello di regressione lineare multipla. Il modello di regressione lineare multipla
Introduzione E la generalizzazione del modello di regressione lineare semplice: per spiegare il fenomeno d interesse Y vengono introdotte p, con p > 1, variabili esplicative. Tale generalizzazione diventa
Quanti soggetti devono essere selezionati?
Quanti soggetti devono essere selezionati? Determinare una appropriata numerosità campionaria già in fase di disegno dello studio molto importante è molto Studi basati su campioni troppo piccoli non hanno
CAPITOLO 11 ANALISI DI REGRESSIONE
VERO FALSO CAPITOLO 11 ANALISI DI REGRESSIONE 1. V F Se c è una relazione deterministica tra due variabili,x e y, ogni valore dato di x,determinerà un unico valore di y. 2. V F Quando si cerca di scoprire
CHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
Distribuzioni campionarie. Antonello Maruotti
Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento
Minimi quadrati vincolati e test F
Minimi quadrati vincolati e test F Impostazione del problema Spesso, i modelli econometrici che stimiamo hanno dei parametri che sono passibili di interpretazione diretta nella teoria economica. Consideriamo
Massimi e minimi vincolati
Massimi e minimi vincolati Data una funzione G C 1 (D), dove D è un aperto di R 2, sappiamo bene dove andare a cercare gli eventuali punti di massimo e minimo relativi. Una condizione necessaria affinché
10 Quasi esperimenti. Giulio Vidotto Raffaele Cioffi
10 Quasi esperimenti Giulio Vidotto Raffaele Cioffi Indice: 10.1 La differenza principale tra quasi esperimenti e veri esperimenti 10.2 Disegni con gruppo di controllo non equivalenti 10.3 Disegni senza
Risultati esperienza sul lancio di dadi Ho ottenuto ad esempio:
Dado B (6): 2 2 6 6 6 1 1 3 6 4 6 6 3 1 1 4 1 6 3 6 6 4 6 3 2 4 3 2 6 3 5 5 6 4 3 3 2 1 2 1 6 3 2 4 4 3 6 6 3 2 1 6 6 4 6 1 3 6 6 1 6 2 4 5 3 3 6 2 1 6 6 3 1 2 6 3 1 3 4 6 1 6 4 1 6 4 6 6 6 5 5 2 4 1 2
PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE 1. Distribuzione congiunta Ci sono situazioni in cui un esperimento casuale non si può modellare con una sola variabile casuale,
Statistica. Esercitazione 4 17 febbraio 2011 Medie condizionate. Covarianza e correlazione
Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2010/2011 Statistica Esercitazione 4 17 febbraio 2011 Medie condizionate. Covarianza
p k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
Corso di Psicometria Progredito
Corso di Psicometria Progredito 43 I principali test statistici per la verifica di ipotesi: Il test del χ 2 per tavole di contingenza a 2 vie Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia
Esercitazione # 6. a) Fissato il livello di significatività al 5% si tragga una conclusione circa l opportunità di avviare la campagna comparativa.
Statistica Matematica A Esercitazione # 6 DUE MEDIE CON VARIANZE NOTE: Esercizio # Le ditte A e B producono sfere luminose. Una volta attivata la reazione chimica che rende luminosa una di queste sfere,
N.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento.
N.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle abelle riportate alla fine del documento. Esercizio 1 La concentrazione media di sostanze inquinanti osservata nelle acque di un fiume
Esercizi sull associazione di variabili categoriche
Dipartimento di Fisica SMID a.a. 004/005 Esercizi sull associazione di variabili categoriche Prof. Maria Antonietta Penco [email protected] tel. 003536404 7//005 Esercizio Tra i 40 e 50 anni la probabilità
Esercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
La fattibilità dei progetti
La fattibilità dei progetti 12.XII.2005 La fattibilità dei progetti La fattibilità di un progetto dipende dalla capacità che quest ultimo ha di determinare condizioni per un effettiva cooperazione fra
GIUSTIFICAZIONE TEORICA DELLA FORMULA DI PETRY MEDIANTE L ANALISI DIMENSIONALE
M. G. BUSATO GIUSTIFICAZIONE TEORICA DELLA FORMULA DI PETRY MEDIANTE L ANALISI DIMENSIONALE NOTA TECNICA MGBSTUDIO.NET SOMMARIO La formula di Petry è una formula semiempirica che consente di stimare,
Corso di Psicometria Progredito
Corso di Psicometria Progredito 4.1 I principali test statistici per la verifica di ipotesi: Il test t Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico
0 altimenti 1 soggetto trova lavoroentro 6 mesi}
Lezione n. 16 (a cura di Peluso Filomena Francesca) Oltre alle normali variabili risposta che presentano una continuità almeno all'interno di un certo intervallo di valori, esistono variabili risposta
Scheda dati Roma ANALISI ECONOMICA
ANALISI ECONOMICA Nei primi anni 2000 l area di Roma e della sua provincia crescevano a ritmi superiori alla media nazionale dell 1% annuo circa. Dal 2008, invece, registriamo tassi di contrazione delle
Cruscotto congiunturale
La dinamica dell economia italiana a cura della Segreteria Tecnica n. 4 23 marzo 2016 Cruscotto congiunturale Pil e occupazione Nel quarto trimestre l attività produttiva continua ad aumentare. In lieve
Sintesi dei dati in una tabella. Misure di variabilità (cap. 4) Misure di forma (cap. 5) Statistica descrittiva (cap. 6)
Sintesi dei dati in una tabella Misure di variabilità (cap. 4) Misure di forma (cap. 5) Statistica descrittiva (cap. 6) Sintesi dei dati Spesso si vuole effettuare una sintesi dei dati per ottenere indici
Esercitazione 8 maggio 2014
Esercitazione 8 maggio 2014 Esercizio 2 dal tema d esame del 13.01.2014 (parte II). L età media di n gruppo di 10 studenti che hanno appena conseguito la laurea triennale è di 22 anni. a) Costruire un
Esercitazione di Statistica Indici di associazione
Esercitazione di Statistica Indici di associazione 28/10/2015 La relazione tra caratteri Indipendenza logica Quando si suppone che tra due caratteri non ci sia alcuna relazione di causa-effetto. Indipendenza
SMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Regressione di Cox 7/3/2005
SMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Regressione di Cox 7/3/2005 Procedura di Mantel-Haenszel Dati relativi a pazienti maschi nel primo anno di follow-up stratificati per età e
Teoria della stima dei parametri:
INFERENZA STATISTICA Teoria della verifica dell ipotesi : si verifica, in termini probabilistici, se una certa affermazione relativa alla popolazione è da ritenersi vera sulla base dei dati campionari
