Scheda programma d'esame
SMALL AREA METHODS FOR THE ANALYSIS OF MULTIDIMENSIONAL POVERTY DATA AND SEMINARS
MONICA PRATESI
Academic year2019/20
CourseECONOMICS
Code562PP
Credits9
PeriodSemester 2

ModulesAreaTypeHoursTeacher(s)
SMALL AREA METHODS FOR THE ANALYSIS OF MULTIDIMENSIONAL POVERTY DATA AND SEMINARSSECS-S/01LEZIONI63
MONICA PRATESI unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Al termine del corso

1) lo studente avrà acquisito conoscenze sull'analisi dei dati raccolti sul fenomeno empirico studiato (povertà e condizioni di vita - Indagine EUSilc Italia) per l'analisi di contesto e la definizione dei domini di studio e stima dall'indagine campionaria;

2) lo studente avrà acquisito conoscenze su stimatori diretti ed indiretti per i domini non pianificati in sede di indagine; lo studente saprà usare Codici R per l'applicazione dei principali metodi di Small Area Estimation (Librerie dei progetti SAMPLE e EURAREA);

3) qualità delle stime SAE e loro applicazione nel Sistema Statistico Europeo.

Alla fine del corso gli studenti saranno in grado di gestire tradizionali modelli di stima per piccole aree (EBLUP e GREG) a livello sia teorico sia empirico.

 

Knowledge

At the end of the course the student will have knowledge on 

1) the analysis of the collected data for estimation and testing for the phenomenon under study; (poverty and living conditions; EUSilc survey, focus on Italy) definition of planned and unplanned domains.

2) Direct and indirect estimates for unplanned domains; R codes for the application of the SAE estimators (EURAREA and SAMPLE project libraries)

3) quality issues in SAE and usage of SAE in European Statistical System

At the end of the course student will be able to deal with traditional small area estimation models (EBLUP e GREG) both at the theoretical and empirical level

 

 


 

 

Modalità di verifica delle conoscenze

Le conoscenze saranno accertate tramite

- valutazione del test individuale previsto all'inizio di ogni sessione di esame

- incontri di preparazione e discussione tra il docente ed i gruppi di studenti sul lavoro individuale o di gruppo preparato nel Laboratorio R

 

Assessment criteria of knowledge

The knowledge will be assessed by

- meetings of the students to discuss the group work of the R Lab with the professor and the teaching staff

- evaluation of the individual written test at the beginning of each exam session

Capacità

Lo studente sarà capace di

- ricercare e nalizzare le principali fonti di dati (indagini campionarie e Censimenti) sulla povertà e le condizioni di vita in Europa

- leggere e applicare i codici R per la stima SAE

- presentare i risultati dell'applicazione dei modelli SAE ai dati europei

Skills

The student will be able to

- search and analysse the official data sources (surveys, Censuses) on poverty and living conditions in Europe

- read and apply the R codes to perform SAE

- present the results of the application of the SAE model to European data

Modalità di verifica delle capacità

- durante il Laboratorio R si svolgeranno piccoli progetti  per comprendere il funzionamento dei codici R per il SAE

- saranno svolte attività pratiche per la ricerca di fonti consultando il Web ed i principali databases Eurostat

- lo studente sarà chiamato a relazionare sui progetti R e le attività pratiche di ricerca

Assessment criteria of skills

- during the session of the R Lab small individual projects will allow to understand how to run the R SAE codes

- there will be small practical sessions to search and consult the data sources (search tools and methods for a given research topic, searching the Web and the main Eurostat databases)

- the student will  present the results of the small projects and of the searching og the data sources

Comportamenti

- lo studente potrà sviluppare capacità di ragionamento critico e sensibilità verso le problematiche di conoscenza dei dati locali sulle condizioni di vita in EU

- lo studente potrà sviluppare la capacità di lavorare in gruppo e di gestire team di lavoro anche come leader

Behaviors

- the student can develop awareness of the problems of local data on poverty and living conditions in EU

- the student can develop the ability to work in group and to manage the responsibilities as a group leader

Modalità di verifica dei comportamenti

- durante le attività di Laboratorio e di ricerca dati gli studenti presenteranno short reports sui risultati ottenuti

- la definizione delle responsabilità, i criteri di divisione del lavoro e l'organizzazione dei progetti di gruppo saranno monitotate e valutate dal docente

Assessment criteria of behaviors

- during the activities of R Lab and data searching the students will have to present short reports on the obtained results

- during the group activities the modalities of the definition of responsibilities, sharing of the workload and management of the project steps will be monitored and evaluated

Prerequisiti (conoscenze iniziali)

- conoscenze di statistica descrittiva ed inferenziale

- capacità informatiche per elaborazione dati

- conoscenza dei modelli statistici di regressione e di modelli lineari generalizzati

Prerequisites

- descriptive statistics and inference

- data processing abilities

- regression models, generalized linear models

Indicazioni metodologiche

Il corso è in lingua Inglese e prevede:

- lezioni frontali con ausilio di slides

- esercitazioni in Laboratorio  che si svolgono formando gruppi ed usando i PC personali degli studenti

- strumenti di supporto: seminari di esperti, siti web

- l'ausilio di codocenti: Ralf Muennich, Risto Lehtonen, Francesca Gagliardi

- materiali scaricabili dalla piattaforma Moodle di economia

- interazione con il docente tramite ricevimenti, posta elettronica, sito elearning

 

 

Teaching methods

The course is in English and it provides

- lectures with slides

- group activities in R Lab using personal Laptop of the students

- seminars of experts, web sites

- co-teachers: Ralf Muennich, Risto Lehtonen, Francesca Gagliardi

- downloadable materials from Moodle platform of the Dept of Economics and Management

- interactions with the Professors through meetings, email, elearning site

Programma (contenuti dell'insegnamento)

Il corso presenta i principali metodi statistici per ottenere indicatori di povertà e di condizioni di vita a livello locale.

I contenuti dell'insegnamento sono: definizione di indicatori di povertà e condizioni di vita ( per esempio Laeken Indicators of Poverty e/o Indicatori multidimensionali di povertà), metodi di stima basati su disegno e su modello quando i dati di indagine non garantiscono sufficiente accuratezza (valori accettabili del Coefficiente di Variazione) nel dominio di studio a causa della ridotta dimensione del campione selezionato.

Il corso (9ECTS) è diviso in tre parti (12 hours + 30 hours+ 21 hours)

1) Analisi dei dati raccolti per la cnoscenza del fenomeno studiato; definizione dei domini pianificati e non pianificati e del livello locale di analisi.

 (12 hours)

  • Logica dei metodi di stima per piccole aree, fonti dei dati e modelli staistici
  • Dati necessari per i modelli SAE (iintroduzione ai dati disponibili in EU: indagini annuali, Censimenti, dati amministrativi), Dati Eurostat e livelli di analisi nei diversi paesi europei
  • Disegni di campionamento e stima

2) Stima diretta ed indiretta per domini non pianificati; codici R per l'applicazione degli stimatori SAE (EURAREA and SAMPLE project libraries) 3) qualità delle stime SAE e uso del SAE nel sistema statistico europeo

(30 hours)

  • uso delle funzioni R per la stima per piccole aree
  • interpretazione dei risultati: stime puntuali e loro accuratezza
  • aspetti operativi per applicare il metodo nei paesi sviluppati ed in via di sviluppo (flow chart del processo di produzione dei dati, istituzioni coinvolte, diffusione delel stime)

 3) Qualità delle stime  SAE e loro uso nel Sistema Statistico Europeo - le lezioni su questi temi sono impartite da Ralf Muennich, Risto Lehtonen e Francesca Gagliardi

(21 ore)

  • Reweighting estimates for european sample surveys (Risto Lehtonen)
  • Variance estimation of some Eusilc based poverty indicators (Ralf Muennich)
  • Robustness of some EUsilc based indicators at regional level (Francesca Gagliardi)

 

Syllabus

The course introduces a range of quantitative tools commonly used to provide indicators of poverty and living conditions at local level.

It covers the definition of poverty and living conditions indicators (see Laeken Indicators of Poverty and/or Multidimensional Indicators of poverty, as an example), design based and model based estimates using survey data with an emphasis on the ways in which they are applied to obtain local data and indicators when the domains of study are not planned in current surveys and there is the need to have statistically sound estimates (with acceptable Coefficient of variation).

The course (9ECTS) will be structured in the following parts (12 hours + 30 hours+ 21 hours)

1) Analysis of the collected data for estimation and testing for the phenomenon under study; definition of planned and unplanned domains.

 (12 hours)

  • How the small area method works: rationale of the small area method, data sources and statistical modeling
  • Data requirements to produce small area estimates (introduction to the data available in Europe: annual survey, censuses, administrative data), European Poverty Data (data sources), Level of analysis in different countries (European countries)
  • Sample design and estimation

2) Direct and indirect estimates for unplanned domains; R codes for the application of the SAE estimators (EURAREA and SAMPLE project libraries) 3) quality issues in SAE and usage of SAE in European and USA Statistical System.

(30 hours)

  • How to use R functions to produce small area estimates
  • Interpretation of the results: point estimates and their accuracy – Quality of the small area estimates
  • Operational aspects to put the method in practice in Developed and Developing Countries (flow chart of the data production process, institutions involved, dissemination of the estimates)

 3) quality issues in SAE and usage of SAE in European Statistical System - this part is held by Ralf Muennich, Risto Lehtonen and Francesca Gagliardi

(21 hours)

  • Reweighting estimates for european sample surveys (Risto Lehtonen
  • Variance estimation of some Eusilc based poverty indicators (Ralf Muennich)
  • Robustness of some EUsilc based indicators at regional level (Francesca Gagliardi)

 

Bibliografia e materiale didattico

Materiale sulla definizione degli indicatori:

  1. Analysis of Poverty Data by Small Area Estimation. New York, Wiley (2016). Introductory Chapters.
  1. Poverty and social exclusion: new methods of analysis. Routledge (2013). Introductory Chapters.
  1. SAMPLE project deliverables: http://www.sample-project.eu (last access 18-2-17)

Materiale sulal stima degli indicatori

  1. FAO- GARS - TECHNICAL REPORTS & WORKING PAPERS Spatial Disaggregation & Small-Area Estimation Methods for Agri. Surveys: Solutions & Perspectives

http://gsars.org/en/spatial-disaggregation-and-small-area-estimation-methods-for-agricultural-surveys-solutions-and-perspectives/ (last access 18-2-17)

  1. SAMPLE project deliverables: http://www.sample-project.eu (last access 18-2-17)

 

Bibliography

Reference material on the definition of indicators

  1. Analysis of Poverty Data by Small Area Estimation. New York, Wiley (2016). Introductory Chapters.
  1. Poverty and social exclusion: new methods of analysis. Routledge (2013). Introductory Chapters.
  1. SAMPLE project deliverables: http://www.sample-project.eu (last access 18-2-17)

Reference material on the estimation of indicators

  1. FAO- GARS - TECHNICAL REPORTS & WORKING PAPERS Spatial Disaggregation & Small-Area Estimation Methods for Agri. Surveys: Solutions & Perspectives

http://gsars.org/en/spatial-disaggregation-and-small-area-estimation-methods-for-agricultural-surveys-solutions-and-perspectives/ (last access 18-2-17)

  1. SAMPLE project deliverables: http://www.sample-project.eu (last access 18-2-17)

 

Indicazioni per non frequentanti

Non sono previste variazioni di programma, modalità di esame, bibliografia per gli studenti non frequentanti

Non-attending students info

No variations of program, assessment methods, bibliography for non-attending students

Modalità d'esame

L'esame è composto da una prova scritta individuale e da un seminario, da svolgersi nel corso dello stesso appello di esame.

Il superamento della prova individuale (test con domande a risposta multipla - durata 90 minuti) è requisito per accedere alla presentazione seminariale del lavoro individuale o di gruppo. La prova seminariale consiste nella presentazione del lavoro di gruppo o individuale al docente e ai suoi collaboratori (slides - durata 20 minuti) e nella discussione dello stesso con il docente e/o collaboratori (10 minuti).

Assessment methods

The exam is an individual written assessment and a seminar, in the same appello.

Passing the individual test (multiple choice test - duration 90 minutes) is prerequisite for the seminar to prent  the individual/group work (slides - 20 minutes). The individual/group work will be presented to the Professor(s) and will be discussed with them.

 

Altri riferimenti web

http://sampleu.ec.unipi.it 

Updated: 03/03/2020 17:11