Introduzione all’Analisi Spaziale per Dati Longitudinali

Molti fenomeni in campo economico, medico e sociale, come la disoccupazione, i tassi di criminalità o le malattie infettive, tendono ad essere spazialmente correlati. Differentemente dall’econometria tradizionale, l’econometria spaziale sfrutta la sempre più frequente disponibilità di dati cross sezionali e longitudinali geo-referenziati per modellare l’eterogeneità e la dipendenza spaziale. Il nostro workshop “Introduzione all’analisi spaziale per dati longitudinali” offre ai ricercatori l’opportunità unica di acquisire il set di strumenti teorici ed empirici necessari per l’analisi dei dati spaziali, utilizzando le metodologie più recenti. Inizia fornendo una panoramica dei concetti standard utilizzati nell’analisi spaziale illustrando come preparare correttamente la base di dati per questo tipo di analisi, prima di passare in rassegna le metodologie e i comandi più recenti (sia quelli ufficiali che quelli scritti direttamente dagli utilizzatori del software Stata) disponibili in Stata. Il workshop si conclude concentrandosi sui più recenti contributi metodologici come i modelli spazio-temporali con fattori comuni. Durante il corso sarà inoltre data attenzione all’interpretazione e alla presentazione dei risultati ottenuti.

In linea con la nostra filosofia di formazione, ogni singola sessione sarà composta da una parte teorica (in cui vengono spiegate le tecniche e i principi sottostanti) e da una parte applicata durante la quale i partecipanti avranno l’opportunità di passare dalla teoria alla pratica utilizzando dati reali. Il tutto sotto l’occhio esperto del docente che chiarirà le limitazioni e i punti di forza di ogni metodologia, nonché i criteri utilizzabili per la scelta e l’implementazione del metodo più appropriato per il problema oggetto di studio. Al termine del workshop, i partecipanti saranno in grado di impiegare autonomamente le metodologie acquisite durante le tre giornate.

Il Workshop è rivolto a ricercatori pubblici e privati in ogni campo interessati all’analisi statistica di dati geo-referenziati; dottorandi e ricercatori che vogliano approfondire la teoria e la pratica dell’approccio econometrico per dati longitudinali geo-referenziati in Stata.

Si richiede una buona conoscenza dell’econometria per dati panel. Esperienza precedente con il software di statistica Stata facilita la partecipazione nelle sessioni applicative.

SESSIONE I

Tassonomia di modelli econometrici per dati spaziali
Una panoramica della nuova suite di comandi disponibile in Stata 15: sp
Preparazione della base di dati per l’analisi dei dati longitudinali geo-referenziati:

Dati geo-referenziati con shapefile: Stata (spshape2dta)
Settare l’ambiente di lavoro per l’analisi dei dati geo-referenziati (spset)
Dati geo-referenziati con coordinate geografiche: (spset, coord())
Bilanciamento dei dati longitudinali geo-referenziati (spbalance)
La matrice dei pesi: creazione, standardizzazione e statistiche descrittive usando spmatrix
Visualizzazione rapida dei dati geo-referenziati (grmap)

SESSIONE II

Tassonomia dei modelli spaziali autoregressivi per i dati longitudinali
Effetti marginali: effetti diretti, indiretti e totali
Stima di quasi-verosimiglianza e interpretazione dei risultati nel caso di modelli spaziali autoregressivi statici:

Modello spaziale autoregressivo nella variabile dipendente
Modello spaziale autoregressivo nella variabile dipendente con variabili indipendenti spazialmente trasformate (Durbin)
Modello spaziale autoregressivo nell’errore

Test di ipotesi e selezione del modello più appropriato
Stima dei modelli spaziali generalizzati, autoregressivi nell’errore (xsmle)
Stima di modelli spaziali autoregressivi statici per dati longitudinali non bilanciati (xsmle)

SESSIONE III

Stima MMG di modelli spaziali autoregressivi statici per dati longitudinali (spxtivregress)
Stima di quasi-verosimiglianza e interpretazione dei risultati nel caso di modelli spaziali autoregressivi dinamici:

Modello spaziale autoregressivo nella variabile dipendente e modello di Durbin con variabile dipendente ritardata nel tempo
Modello spaziale autoregressivo nella variabile dipendente e modello di Durbin con variabile dipendente ritardata nel tempo e nello spazio
Modello spaziale autoregressivo nella variabile dipendente e modello di Durbin con variabile dipendente ritardata nel tempo e variabile dipendente ritardata nel tempo e nello spazio
Selezione del modello ed interpretazione degli effetti marginali

Sviluppi recenti nei modelli econometrici per dati longitudinali geo-referenziati:

Spillover spaziali e fattori comuni: test per dipendenza cross-sezionale forte
Approcci a uno e due stadi per la stima di modelli spaziali autoregressivi dinamici con fattori comuni (xsmle)

Il workshop è previsto a Roma, 28-30 Ottobre 2019

La partecipazione al workshop è soggetta al pagamento della seguente quota di iscrizione:

Studente*: € 790.00
Assegnista / Specializzando: € 1050.00
Università: € 1310.00
Commerciale: € 1645.00

*Per usufruire dello status “studente” è necessario presentare copia del libretto universitario o un certificato di iscrizione (in carta semplice) all’Università ed essere studenti a tempo pieno. Studenti lavoratori dovranno considerare la tariffa Assegnista / Specializzando.

I prezzi si intendono IVA 22% esclusa. L’aliquota IVA non sarà applicata per Enti Pubblici soggetti ad esenzione a norma dell’art. 14 c. 10 della L. 537/93 per la partecipazione a corsi di formazione dei propri dipendenti.

La quota di iscrizione include il pranzo, il materiale didattico e una licenza temporanea del software Stata (si consiglia di venire muniti del proprio computer o di chiedere informazioni alla segreteria per l’eventuale noleggio, al momento dell’iscrizione). Dà inoltre diritto ad uno sconto sull’acquisto di una nuova licenza per singolo utente del Software Stata (ad esclusione della versione per Studenti) e sull’acquisto di testi in catalogo Stata Press.

L’iscrizione al corso dovrà avvenire tramite lo specifico modulo di registrazione e pervenire a TStat S.r.l. entro l’8 Ottobre 2019. Lo svolgimento è condizionato dal raggiungimento di un numero minimo di 8 partecipanti ed un numero massimo di 15.