0000439 - ANALISI DEI DATI ECONOMICI

insegnamento

ID:

0000439

Durata (ore):

48

CFU:

SSD:

STATISTICA ECONOMICA

Sede:

UNIVERSITÀ DEGLI STUDI DI NAPOLI "L'ORIENTALE"

Url:

Dettaglio Insegnamento:

SCIENZE POLITICHE E RELAZIONI INTERNAZIONALI/Relazioni internazionali Anno: 3

Anno:

2026

Periodo di attività

Primo Semestre (28/09/2026 - 15/01/2027)

Obiettivi Formativi

Il corso sviluppa conoscenza e capacità di comprensione dei dati economici e dei principali strumenti statistici per descriverli, trasformarli e modellarli. Sul piano delle capacità applicative, gli studenti impareranno a usare tecniche di formalizzazione e trattamento statistico dei dati, a consultare banche dati ufficiali, a costruire indicatori, grafici e modelli e a redigere report riproducibili.
Il corso mira inoltre a rafforzare l'autonomia di giudizio nella scelta dei metodi, nella valutazione della qualità dei dati e nella distinzione tra descrizione, associazione, previsione e causalità. Le abilità nella comunicazione saranno sviluppate attraverso la presentazione chiara di tabelle, grafici e risultati quantitativi. La capacità di apprendere sarà sostenuta tramite l'uso autonomo di documentazione, letteratura, dataset e strumenti computazionali aggiornabili.

Prerequisiti

Sono richieste conoscenze di base di matematica e statistica descrittiva. Sono utili familiarità con tabelle, grafici, percentuali, rapporti e la lettura di semplici indicatori economici. Non è richiesta una conoscenza avanzata di programmazione: durante il corso saranno introdotte le operazioni essenziali per lavorare con R (e, quando previsto, con Python). Gli studenti dovranno tuttavia essere disponibili a eseguire codice, modificare esempi, interpretare output e usare strumenti digitali per il trattamento statistico dei dati.

Metodi didattici

L’insegnamento prevede 48 ore di attività didattica, articolate in lezioni frontali, esercitazioni guidate e laboratorio. Le lezioni introducono concetti, formule, ipotesi e limiti interpretativi. Le esercitazioni sviluppano capacità applicative tramite calcolo di indicatori, costruzione di grafici, trasformazioni di serie storiche e stima di modelli. Il laboratorio usa dataset reali e software statistico per importare, pulire, manipolare, visualizzare e analizzare dati. La didattica privilegia l'apprendimento attivo, la discussione di casi, la lettura critica degli output e la produzione di brevi report riproducibili.

Verifica Apprendimento

La verifica dell’apprendimento consiste in una prova orale con discussione di un report empirico, individuale o di gruppo secondo le indicazioni del docente, e domande sugli argomenti del programma. Il report deve applicare gli strumenti del corso a dati reali, includendo descrizione della fonte, pulizia e trasformazione dei dati, indicatori, grafici, eventuali modelli e commento critico. La valutazione considera correttezza statistica, capacità applicative, autonomia di giudizio, chiarezza comunicativa, uso appropriato del software, qualità della documentazione e capacità di discutere limiti e implicazioni dei risultati. Potranno essere previste esercitazioni intermedie a supporto della preparazione.

Testi

Principali riferimenti bibliografici:

Guarini R., Tassinari F., Statistica Economica. Problemi e metodi di analisi, il Mulino;
Rinaldi A., Statistica economica e territorio, Aracne;
Wickham H., Grolemund G., R for Data Science, O’Reilly.

Il materiale didattico è costituito dalle note del corso predisposte dal docente e aggiornate durante il semestre.

Per la parte applicativa sarà utilizzata anche la documentazione ufficiale di R, insieme a dataset e metadati di ISTAT, Eurostat, OCSE, World Bank e altre fonti istituzionali.

Contenuti

Il corso fornisce strumenti statistici e computazionali per analizzare dati economici, sociali e territoriali. I contenuti riguardano fonti ufficiali di dati, tipi di variabili e dati di tipo cross-section, serie storiche e dati spaziali; statistica descrittiva, standardizzazione, indici di posizione e variabilità, associazione e correlazione; visualizzazione tramite tabelle, istogrammi, boxplot, scatterplot e grafici temporali; rapporti statistici, variazioni, numeri indice e indicatori sintetici; trasformazioni di serie storiche, outliers, break, smoothing e filtri; regressione lineare e logistica, diagnosi dei residui e limiti dell’interpretazione causale; cenni a: modelli ARMA, analisi multivariata, classificazione supervisionata e modelli spaziali. La componente applicativa usa PRINCIPALMENTE R (e, quando utile, Python) per importare, manipolare, visualizzare e modellare dati reali.

Lingua Insegnamento

Italiano

Altre informazioni

Materiali didattici, dataset, script e indicazioni operative saranno resi disponibili attraverso il book del corso e gli eventuali canali istituzionali. Durante il corso potranno essere discussi usi responsabili di strumenti di intelligenza artificiale generativa come supporto alla ricerca di fonti, alla comprensione di codice, alla revisione di testi, alla produzione di esempi e al debugging. È richiesto l’uso corretto delle fonti: ogni elaborato deve indicare la provenienza dei dati, le trasformazioni effettuate, il codice utilizzato e i limiti dell’analisi.