• Elementi di contabilità nazionale
• Numeri indici
• Produttività ed efficienza tecnica
• Indici di bilancio e previsione del rischio di insolvenza aziendale
• Metodi statistici per la previsione
Le prime tre parti trattano concetti e metodi basilari della statistica economica, mentre le due successive affrontano l'applicazione di metodi e modelli statistici a problemi aziendali.
• O. Castellino. Introduzione alla contabilità nazionale, Giappichelli, 2021.
• A. Predetti. I numeri indici. Teoria e pratica dei confronti temporali e spaziali, Giuffrè, 2006. [Capitoli 1, 2, 3, 4.1.1, 4.2]
• T. Laureti. L'efficienza rispetto alla frontiera delle possibilità produttive. Modelli teorici ed analisi empiriche, Firenze University Press, 2006. [Capitoli 1, 2, 3]
• L. Biggeri, M. Bini, A. Coli, L. Grassini, M. Maltagliati. Statistica per le decisioni aziendali, Pearson, 2a ed., 2017. [Capitoli 5.3, 5.4.1, 8]
• G. James, D. Witten, T. Hastie, R. Tibshirani. Introduzione all'apprendimento statistico con applicazioni in R, Springer, 2a ed., 2009. [Capitoli 2.1, 2.2, 3.1-3.4, 4.1-4.3, 5.1, 8.1, 8.2]
• M. Di Nuzzo. Data science e machine learning: dai dati alla conoscenza, 2021. [Capitoli 11-14, 19]
• J. C. Hull. Machine learning in business: un'introduzione alla scienza dei dati, 3a ed., 2021. [Capitoli 1, 3 (esclusi 3.4-3.8, 3.12), 4, 10]
Obiettivi Formativi
Il corso si propone di preparare lo studente a raccogliere ed elaborare informazioni utili per l'analisi economica e per l'attività aziendale. Al fine di favorire la comprensione dei metodi presentati, verranno proposte applicazioni pratiche e casi di studio reali in R e in Excel. Al termine dell’insegnamento, lo studente sarà in grado di scegliere ed applicare metodi appropriati in contesti specifici, nonché di esaminare in modo critico i risultati e comunicarli efficacemente ad interlocutori specialisti e non specialisti.
Prerequisiti
Conoscenza degli aspetti inferenziali dei modelli di regressione lineare e logistica.
Metodi Didattici
Lezioni frontali, illustrazioni di casi di studio reali in R ed Excel, esercitazioni pratiche.
Altre Informazioni
Slides e materiale aggiuntivo verranno messi a disposizione sulla piattaforma Moodle.
Modalità di verifica apprendimento
Prova scritta + Prova orale
La prova scritta consiste in quesiti a risposta aperta ed esercizi da svolgere con la calcolatrice scientifica. La prova orale consiste in domande teoriche sugli argomenti svolti a lezione. Sono ammessi alla prova orale i soli studenti che abbiano ottenuto un voto sufficiente alla prova scritta.
Programma del corso
• 1. ELEMENTI DI CONTABILITA' NAZIONALE: introduzione alla statistica economica; le principali statistiche economiche; il sistema dei conti europeo: sequenza dei conti, tavole intersettoriali; analisi dell’impatto della domanda finale sulla produzione.
• 2. NUMERI INDICI: numeri indici elementari; numeri indici sintetici dei prezzi e delle quantità di tipo Laspeyres, Paasche e Fisher; numeri indici dei prezzi al consumo; numeri indici di valore; tassi di inflazione; deflazionamento di beni o servizi e di aggregati economici; deflazionamento a valori concatenati.
• 3. PRODUTTIVITA' ED EFFICIENZA TECNICA: produttività parziale e produttività totale dei fattori (TFP); numeri indici di produttività parziale; numeri indici di TFP di tipo Laspeyres, Paasche e Fisher; frontiera di produzione; efficienza tecnica lato output e lato input; isoquanti; elasticità dell’output rispetto agli input; rendimenti di scala; frontiera di produzione lineare; frontiera di produzione Cobb-Douglas; frontiere deterministiche e frontiere stocastiche; stima dell'efficienza tecnica da un campione di unità produttive; relazione tra produttività ed efficienza tecnica.
• 4. INDICI DI BILANCIO E PREVISIONE DEL RISCHIO DI INSOLVENZA AZIENDALE: stato patrimoniale e conto economico riclassificati; principali indici di bilancio; benchmarking; analisi predittiva di insolvenza; costruzione di un modello predittivo basato sulla regressione logistica; validazione e revisione del modello predittivo tramite la curva ROC.
• 5. METODI STATISTICI PER LA PREVISIONE: utilizzo del modello di regressione lineare per la previsione di variabile risposta quantitativa; utilizzo del modello di regressione logistica per la classificazione binaria; errore di previsione: errore di train ed errore di test, relazione tra errore di previsione e complessità del modello, compromesso tra distorsione e varianza; metodi per la stima dell'errore di previsione: validazione hold-out, validazione k-fold; metodi per la selezione del grado di complessità; altri metodi predittivi: alberi e foreste casuali; alcune applicazioni a problemi aziendali.
Obiettivi Agenda 2030 per lo sviluppo sostenibile
I casi di studio illustrati hanno l'obiettivo di supportare l'innovazione in industria e infrastrutture (Obiettivo #9), la qualità di vita di città e comunità (Obiettivo #11), la sostenibilità dei sistemi produttivi (Obiettivo #12).