Marco Riani

M. Riani, F. Laurini e G. Morelli: Strumenti statistici e informatici per applicazioni aziendali, Pitagora Editrice, Bologna, 2013 Þ Capitoli 3 – 6 + Esercizi e Appendici.

A. Cerioli e F. Laurini: Il modello di regressione logistica, Uni.Nova, Parma, 2013 (Tutto).

Programma del corso

Regressione lineare
Richiami su regr. semplice e inferenza statistica (v. corsi precedenti)
Estensione al caso di più variabili esplicative (applicazioni reali)
Stima e test sui coefficienti di regressione
Scelta del modello e previsioni

Regressione logistica
Estensione del modello più utilizzata nelle applicazioni di marketing e di data mining: previsione del comportamento del consumatore

Alberi di classificazione
Previsione del comportamento del consumatore Conoscenza dei differenti algoritmi disponibili e stima tasso di errore Segmentazione della clientela

Lucidi delle lezioni

Prima settimana (regressione semplice con approccio descrittivo)

Seconda settimana (regressione semplice con approccio inferenziale)

Terza settimana (introduzione alla regressione lineare multipla)

Quarta settimana (regressione multipla tradizionale e robusta)

Quinta settimana (lucidi formato pdf) (lucidi formato pptx)

Sesta settimana (lucidi formato pdf) (lucidi formato pptx)

Settima e ottava settimana (lucidi formato pptx)

Nona e decima settimana Lucidi in formato .pdf

SOFTWARE utilizzato durante il corso

Excel (2007 - 2016) e SPSS (21-23).

COMPONENTI AGGIUNTIVI DI EXCEL DA SCARICARE

ChartLabeler. Consente di aggiungere etichette personalizzate ai punti in un diagramma di dispersione.

Per le istruzioni dettagliate sull'installazione dei componenti aggiuntivi è possibile scaricare il file Installazione_componenti_aggiuntivi.pdf

FILE DI CORREDO AL CORSO

File di integrazione.

Prima settimana

Argomento

Obiettivo

File di input

File di output

Data ultima modifica

Regressione semplice in ottica descrittiva

Mostrare il procedimento di calcolo della stima dei parametri della retta di regressione. Calcolare i valori previsti, i residui e gli indici di bontà di adattamento.

regr1

oppure

regr1 (con suggerimenti)

regr1(out)

11/02/2016

Seconda settimana

Argomento	Obiettivo	File di input	File di output	Data ultima modifica
Regressione semplice in ottica inferenziale	Imparare a calcolare intervalli di confidenza e sottoporre a verifica test i parametri del modello di regressione. Calcolare un intervallo di confidenza per i valori previsti	regr-inf	regr-inf(out)	18/02/2016

Approfondimento sulla v.c. Normale (standardizzata)

Argomento	Obiettivo	File di input	File di output
v.c. normale (standardizzata)	Imparare a calcolare in una v.a. normale la funzione di densità e la funzione di ripartizione. Trovare i valori che lasciano alla destra (sinistra) una probabilità prefissata. Calcolare la probabilità di ottenere valori compresi in un determinato intervallo	norm	norm(out)

Terza settimana

Argomento	Obiettivo	File di input	File di output	Data ultima modifica
Sistemi lineari	Scrivere i sistemi lineari in maniera matriciale e risolverli in maniera matriciale	sistemi_lineari	sistemi_lineari(out)	26/02/2016
Regressione multipla	Calcolare i parametri del modello di regressione lineare multiplo utilizzando le matrici. Calcolare intervalli di confidenza e test semplici di verifica di ipotesi. Calcolare intervalli di confidenza dei valori previsti.	regrmult	regrmult(out)	24/02/2016

Quarta settimana

Argomento	Obiettivo	File di input	File di output	Data ultima modifica
Regressione multipla	Approfondire l'interpretazione della stima dei parametri nel modello di regressione lineare multiplo. Introdurre la correlazione parziale	regrmult0	regrmult0(out)	24/02/2016
Modello di regressione	Generare i dati in un modello di regressione e analizzare la variabità delle stime campionarie	regressione.xlsx	regressione(out).xls	03/03/2016

Confronto tra i diversi metodi di stima

Argomento	Obiettivo	File di input	File di output	Data ultima modifica
Regressione robusta	Imparare a stimare i parametri del modello di regressione utilizzando condizioni di accostamento diverse dalla somma dei quadrati dei residui. Introdurre stimatori dei parametri che non risentono della presenza di valori anomali	regrrobust	regrrobust(out)	03/03/2016

Quinta settimana

Argomento	Obiettivo	File di input	File di output	Data ultima modifica
Regressione multipla	Introdurre test di verifica d'ipotesi su combinazioni lineari dei coefficienti.	regrtest	regrtest(out)	10/03/2016

Sesta settimana

Argomento	Obiettivo	File di input	File di output	Data ultima modifica
Regressione multipla	Regressione con variabili dummy	regrdummy	regrdummy(out)	10/03/2016
Regressione multipla	Consolidare i concetti appresi finora. (Risolvere tutti i quesiti ad eccezione del 5)	esame2	esame2(out)	17/03/2016

Settima settimana

Argomento	Obiettivo	File di input	File di output	Data ultima modifica
Regressione multipla	Destagionalizzare e detrendizzare una serie storica. Testare la presenza del trend e della stagionalità in una serie storica. Testare la presenza di autocorrelazione nei residui. Destagionalizzare con il vincolo di somma a zero dei coefficienti stagionali. Introdurre il test di autocorrelazione dei residui	regrseaso	regrseaso(out)	31/03/2016
Regressione multipla	Introdurre il test per la verifica dell'ipotesi di omoschedasticità dei residui	regretero	regretero(out)	31/03/2016
Regressione multipla	Modellare la presenza di eteroschedasticità. Ottenere stime GLS e confrontare le previsioni nel modello omoscehdastico con quelle del modello eteroschedastico	EteroModel	EteroModel(out)	07/04/2016

Ottava settimana

Argomento	Obiettivo	File di input	File di output	Data ultima modifica
Regressione multipla	Riepilogare gli argomenti trattati finora	riepilogo	riepilogo(out)	21/04/2016
Regressione multipla	Consolidare i concetti appresi finora.	esame2	esame2(out)	17/03/2016

Argomento	Obiettivo	File di input	File di output	Data ultima modifica
v.c. logistica	Prendere confidenza con la v.c. logistica	logistica.xlsx	logistica(out).xlsx	14/04/2016
Regressione logistica	Stimare i parametri tramite il risolutore oppure macro VBA	Regr_logistica _Macro_e_Ris.xlsm	Regr_logistica_ Macro_e_Ris(out).xlsm	20/04/2016
Trovare le soluzioni di un'equazione tramite algoritmi iterativi	Capire il funzionamento dell'algoritmo di Newton Raphson	newton_raphson _esempio.xlsx	newton_raphson _esempio(out).xlsx	14/04/2016
Regressione logistica	Capire come funzione l'algoritmo iterativo di stima dei parametri	Regrlogistica _Iter.xlsm	Regrlogistica _Iter(out).xlsm	20/04/2016
Regressione logistica	Calcolare una banda di confidenza del logit	Regr_logistica _logitINT.xlsx	Regr_logistica _logitINT(out).xlsx	20/04/2016
Regressione logistica	Aspetti inferenziali e bontà di adattamento	Regrlogistica _Inf.xlsm	Regrlogistica_Inf(out).xlsm	20/04/2016
Regressione logistica	Test di bontà di adattamento di Homer e	regrlogistica _testHL.xlsx	regrlogistica _testHL(out).xlsx	20/04/2016
Regressione logistica	Calcolare la curva ROC	regrlogistica _ROC.xlsx	regrlogistica _ROC(out).xlsx	20/04/2016

Esercizio che simula una prova di esame

Argomento	Obiettivo	File di input	File di output	Data ultima modifica
Esame	Ripasso degli argomenti trattati	esame1	esame1(out)	10/03/2016

Marco Riani, Professor of Statistics

Univ. of Parma (ITALY)