Methodologies for the Social Sciences II: Quantitative (introductive course)

Periodo di svolgimento
‌‌
Info sul corso
Ore del corso
20
Ore dei docenti responsabili
20
Ore di didattica integrativa
0
CFU 3
‌‌

Modalità esame

Prova scritta

Prerequisiti

Compulsory for the 1st year students of the PhD Programme in "Political Science and Sociology"

Compulsory for the 1st year students of the PhD Programme in "Transnational Governance"

Optional for the 4th and 5th year students of the MA Programme in "Political and Social Sciences"

Programma

 Descrizione del corso:

Questo corso intende fornire un'introduzione generale all'analisi quantitativa dei dati per la ricerca nelle scienze sociali e politiche. Non presuppone alcuna conoscenza preliminare (o di base) dei metodi statistici e delle tecniche quantitative. Unirà i fondamenti teorici dei progetti quantitativi con un approccio pratico: a questo scopo verrà utilizzato il software statistico STATA.

Il corso inizierà dalle basi dell'analisi quantitativa, coprendo concetti e caratteristiche chiave, tipi di variabili e datasets. Successivamente, affronterà le statistiche descrittive. Verranno poi affrontati gli aspetti principali dell'analisi di regressione lineare: presupposti, stime, applicazione pratica a domande ed esempi di ricerca, presentazione dei risultati e interpretazione. Il corso si concluderà fornendo una panoramica di altri tipi di regressioni che i partecipanti potrebbero aver bisogno di utilizzare nelle loro ricerche future. Al termine di questo corso, i partecipanti saranno in grado di comprendere il background teorico delle tecniche statistiche di base e selezionare il metodo appropriato per la loro domanda di ricerca; imparare come organizzare un dataset ed eseguire analisi quantitative di base (comprese tabelle e grafici descrittivi) nonché regressioni lineari; saranno in grado di interpretare in modo significativo i risultati di questi metodi e come utilizzare il software STATA per l'analisi dei dati.

Formato del corso:

La maggior parte delle lezioni consisterà in sessioni di 3 ore. Le letture sono obbligatorie prima di ogni sessione. Tutte le lezioni avranno una parte teorica tenuta dall'istruttore (formato lezione frontale), ma avranno anche una parte di laboratorio in cui gli studenti lavoreranno in piccoli gruppi e impareranno a eseguire le proprie analisi statistiche con STATA (formato applicazione pratica). I materiali del corso saranno disponibili in una cartella condivisa.

Valutazione:

La valutazione (superato/non superato per gli studenti di dottorato; valutata su una scala di 30 punti per gli studenti di master) si baserà su un esame da eseguire in autonomia a casa al termine del corso— data ancora da definire. L'esame consisterà in domande sui principali contenuti del corso e in un'esercitazione pratica con STATA. Non richiederà alcuna conoscenza di calcolo o matematica oltre alla semplice aritmetica.

Programma dettagliato:

Lezione 1: 2 maggio, 10am-1pm – Doing quantitative research: an introduction

Variables and types of variables. Examining and reading datasets: meeting Stata.

Readings: Treiman (2009), chap. 1; Acock (2018), chap. 1-3.

Lezione 2: 3 maggio, 2pm-5pm – Descriptive statistics

Exploring the relationship among variables. Presenting tables and graphs. Variable transformation and correlation. From descriptive to inferential statistics.

Readings: Treiman (2009), chap. 5; Acock (2018), chap. 5.

Lezione 3: 6 maggio, 2pm-5pm – Bivariate regression

Fitting a straight line. Bivariate regression, OLS with continuous dependent variable. Estimation and interpretation of coefficients, significance tests and standard errors. Goodness of fit in a linear regression.

Readings: Lewis-Beck & Lewis Beck (2016), chap. 2; Acock (2018), chap. 6.

Lezione 4: 10 maggio, 10am-1pm – Multivariate regression I

Goodness of fit. Checking the assumptions of (linear) regressions: linearity, homoscedasticity, independence, normal distribution, no multicollinearity

Readings: Lewis-Beck & Lewis Beck (2016), chap. 3.

Lezione 5: 16 maggio, 10am-1pm – Multivariate regression II

Functional forms: interpreting and presenting regression results. Outliers, truncation, regression fallacy, ecological fallacy. Omitted, suppressor and intervening variables. Interactions.

Readings: Lewis-Beck & Lewis Beck (2016), chap. 3-4.

Lezione 6: 27 maggio, 10am-12pm – Extensions of the linear regression model

Introduction to discrete choice models: the logit model.

Readings: Treiman (2009), chap. 13-14.

Lezione 7: 30 maggio, 10am-1pm – Taking stock, moving forward

Reflect on your own research project(s), and what research design is the most appropriate. Where to find the data? Reflections on causality, potentials of quantitative designs and further techniques.

Readings: Treiman (2009), chap. 16.

Obiettivi formativi

  • Al termine di questo corso, i partecipanti saranno in grado di comprendere il background teorico delle tecniche statistiche di base e selezionare il metodo appropriato per la loro domanda di ricerca; imparare come organizzare un dataset ed eseguire analisi quantitative di base (comprese tabelle e grafici descrittivi) nonché regressioni lineari; saranno in grado di interpretare in modo significativo i risultati di questi metodi e come utilizzare il software STATA per l'analisi dei dati.

Riferimenti bibliografici

Riferimenti principali:

Acock, A. C. (2018). A Gentle Introduction to STATA. College Station, TX: Stata Press.

Lewis-Beck, C. & Lewis Beck, M. (2016). Applied Regression: An Introduction. Thousand Oaks, CA: SAGE.

Treiman, D.J. (2009). Quantitative Data Analysis: Doing Social Research to Test Ideas. San Francisco, CA: Jossey-Bass.

Altri riferimenti:

-         One of the best courses of Quant Methods for the Social Sciences is available online for free. It is delivered by Prof Gary King from Harvard https://www.youtube.com/playlist?list=PL0n492lUg2sgSevEQ3bLilGbFph4l92gH

-          UCLA module for STATA https://stats.oarc.ucla.edu/stata/modules/

-          Princeton’s online STATA tutorial https://www.princeton.edu/~otorres/Stata/

-          Gordon, R. A. (2015). Regression Analysis for the Social Sciences. London: Routledge, 2nd ed.

-          Imai, K., & Bougher, L.D. (2021). Quantitative Social Science: An Introduction in Stata. Princeton, NJ: Princeton University Press.