Al termine del corso, lo studente sarà in grado di: usare R per importare, trasformare, visualizzare e analizzare dati economici; scrivere script in R in modo leggibile e riproducibile; applicare strumenti statistici fondamentali; eseguire e interpretare regressioni lineari semplici e multiple e regressioni non lineari; produrre report ed output riproducibili.
Prerequisiti
Nozioni di statistica di base.
Metodi didattici
Lezioni frontali durante le quali i contenuti del corso vengono presentati tramite l'utilizzo di slides e del software per la programmazione scelto. Le lezioni frontali vengono regolarmente affiancate da esercitazioni in aula in cui i concetti teorici sono approfonditi attraverso esercizi presentati e risolti dal/dalla docente. Il materiale didattico utilizzato in aula durante le lezioni e le esercitazioni viene reso disponibile attraverso la piattaforma KIRO.
Verifica Apprendimento
Prova scritta composta da domande teoriche ed esercizi pratici (programmazione) sugli argomenti trattati durante il corso. Gli esercizi saranno simili a quelli affrontati insieme al/alla docente durante il corso (disponibili sulla pagina e-learning KIRO). Il dettaglio della struttura dell'esame viene comunicato sulla pagina e-learning del corso insieme ad una simulazione della prova d'esame contenente le istruzioni per la prova. La scala di valutazione va da 0 a 30 e lode, con superamento della prova al raggiungimento del 18/30. I risultati della prova d'esame vengono comunicati utilizzando il portale ESSE3. L'accettazione o rifiuto del voto deve avvenire secondo il vigente regolamento didattico di Ateneo.
Testi
Dispense esterne: Introduzione a R, di Claudio Zandonella Callegher e Filippo Gambarota, Psicostat, Università di Padova, 2021; Rappresentazione Analitica delle Distribuzioni Statistiche con R, di Vito Ricci, versione 0.4-21 Febbraio 2005. Introduzione all’Econometria 5ed, di J.H. Stock M.W Watson, Pearson, 2020, ISBN: 8891906190. Quarta e terza edizione sono compatibili con gli obiettivi del corso.
Contenuti
Introduzione a R e RStudio: ambiente, oggetti, funzioni. Strutture dati: vettori, matrici, fattori, data frame. Importazione, pulizia e manipolazione dei dati. Visualizzazione e rappresentazione delle distribuzioni statistiche in R. Controlli del flusso (if, else) e cicli (for, while). Funzioni in R: definizione, argomenti default, best practices. Statistica descrittiva. Applicazione della regressione lineare semplice: prima parte. Applicazione della regressione lineare semplice: seconda parte. Applicazione della regressione lineare multipla. Applicazione della regressione non lineare.
Lingua Insegnamento
ITALIANO
Altre informazioni
Per tutte le informazioni organizzative e i materiali didattici si rimanda alla pagina e-learning del corso.