Le lezioni affronteranno i seguenti argomenti: Metodi lineari per la regressione Apprendimento non supervisionato I – Analisi Cluster Apprendimento non supervisionato II – Analisi delle Componenti Principali Analisi delle serie temporali e cointegrazione per l’analisi delle politiche

Le lezioni affronteranno i seguenti argomenti: Metodi lineari per la regressione Modelli di regressione lineare semplice e multipla Principali assunzioni e diagnostica del modello (linearità, omoschedasticità, multicollinearità) Tecniche di selezione del modello (regressione stepwise, metodi di regolarizzazione) Interpretazione dei coefficienti di regressione e test d’ipotesi Implementazione dell’analisi di regressione con R Apprendimento non supervisionato I – Analisi Cluster Introduzione al clustering e ai suoi obiettivi Metodi di clustering gerarchico e partizionato Metriche di distanza e misure di similarità Scelta del numero di cluster e validazione dei cluster Esempi pratici di clustering con R Apprendimento non supervisionato II – Analisi delle Componenti Principali (PCA) Concetto di riduzione della dimensionalità Calcolo e interpretazione delle componenti principali Scree plot e varianza spiegata Uso della PCA per visualizzazione dei dati e indicatori compositi Esecuzione della PCA con R Analisi delle serie temporali e cointegrazione per l’analisi di policy Introduzione alle componenti delle serie temporali (trend, stagionalità, rumore) Test di stazionarietà e trasformazioni dei dati Modelli autoregressivi (AR), medie mobili (MA) e ARIMA Concetto di cointegrazione e modelli di correzione d’errore Applicazioni delle serie temporali e della cointegrazione su dati economici e di policy con R