Nessuna propedeuticità obbligatoria prevista, tuttavia se l'insegnamento è scelto al 3° anno vige la regola del catenaccio (consultare il documento Propedeuticità alla pag. https://lt-ea.unibg.it/it/node/122).
Nessun prerequisito consigliato (l'approccio didattico partirà da un livello elementare ed eventuali nozioni di base di Statistica utili per il corso verranno riprese a lezione).
Il principale obiettivo formativo del corso è contribuire ad affinare l’abilità dello studente nell’analisi, nella comprensione e nella gestione di problematiche aziendali, fornendogli una serie di strumenti statistici utilizzabili in contesti di vario genere. In particolare, al termine del corso lo studente avrà in primo luogo acquisito dimestichezza nel lavorare con un database, valutando anche la qualità dei dati in esso contenuti. Inoltre, da un lato avrà appreso le basi teoriche e i principi di funzionamento di alcune tecniche statistiche per l’analisi di dati; dall’altro avrà la possibilità di cimentarsi con una loro applicazione pratica, usando, in laboratorio, il software statistico user-friendly SAS Studio o SAS-Enterprise Guide (SAS, da qui in poi); SAS è uno dei software statistici più diffusi al mondo, disponibile nei laboratori dell’Università di Bergamo).
Lo studente, più nello specifico, apprenderà come utilizzare un’ampia gamma di metodologie statistiche che potranno essere utilizzate sia per analisi cross-section (preliminari analisi esplorative), sia per analisi longitudinali (numeri indici e analisi delle serie storiche) o multidimensionali (analisi delle componenti principali, cluster analysis, analisi discriminante). Al termine del corso lo studente sarà in grado di valutare fonti ed utilizzare dati (con particolare riferimento a database e variabili di tipo aziendale) e di decidere come elaborarli e come trasformare tali dati in informazioni utili. Lo studente apprenderà come comunicare in modo efficace tali informazioni, traducendole in decisioni finalizzate ad orientare le attività di un’azienda, anche alla luce del contesto competitivo in cui essa opera.
PARTE PRIMA: dai dati alle prime informazioni.
- La statistica come supporto alla gestione dell’azienda.
- Dati ed informazioni statistiche per l’azienda e loro qualità.
- Elaborazioni preliminari sui database aziendali.
- Applicazioni con SAS - Lavorare sui dati per ottenere informazioni e report preliminari di supporto alle decisioni aziendali: classificazione variabili, analisi esplorative e descrittive.
PARTE SECONDA: i dati in ottica longitudinale per l’analisi di fenomeni aziendali e dello scenario economico e di mercato (numeri indici, analisi delle serie storiche).
- I rapporti statistici generici e specifici.
- Numeri indici semplici e sintetici (Laspeyres, Paasche, Fisher): costruzione, interpretazione e loro proprietà.
- Principali serie di numeri indici pubblicati da Istat ed utilizzabili per la programmazione aziendale.
- Mobilità delle unità nello sviluppo del personale aziendale.
- Applicazioni con SAS/Excel - Analisi longitudinale attraverso i rapporti statistici; interpretazione e scomposizione delle variazioni temporali; calcolo dei numeri indici elementari e composti; i numeri indici per l’analisi della produttività aziendale in ottica temporale e spaziale.
- Analisi classica delle serie storiche per la programmazione aziendale: principi e finalità.
- Analisi grafiche preliminari.
- Modelli di scomposizione e composizione.
- Fasi dell’analisi classica.
- Stima ed interpretazione delle componenti di una serie storica; le medie mobili.
- Utilizzo dei modelli per la previsione a medio-lungo termine.
- Valutazione della bontà dei modelli e della loro capacità previsionale.
- Previsione a breve termine attraverso il livellamento esponenziale.
- Applicazioni con SAS/Excel - Applicazione dei metodi decompositivi e compositivi per lo studio di serie storiche; utilizzo dell’analisi classica per la previsione; valutazione accuratezza della previsione di modelli alternativi e scelta del modello migliore.
PARTE TERZA: analisi statistiche multidimensionali di database aziendali.
- Esempi di analisi statistica dei principali indici di bilancio dell’azienda: scelta delle unità statistiche e delle variabili.
- Analisi fattoriale: analisi delle componenti principali passo per passo.
- Stima ed interpretazione dei fattori e loro utilizzo ai fini pratici.
- Il posizionamento dell’azienda nel mercato di riferimento (benchmarking).
- Applicazioni con SAS - Riduzione della complessità delle variabili; stima ed interpretazione delle componenti principali per lo studio del posizionamento dell’impresa nello scenario competitivo.
- Misure di sintesi per la valutazione della similarità/distanza tra unità statistiche.
- Costruzione della matrice delle distanze.
- Introduzione alla cluster analysis: come identificare gruppi omogenei di imprese all’interno di un mercato.
- Algoritmi gerarchici aggregativi e criteri di clustering.
- Costruire ed interpretare, a fini pratico-decisionali, dendrogrammi e scree plot.
- Applicazioni con SAS – Analisi e trattamento preliminare delle variabili; implementazione algoritmi aggregativi gerarchici; interpretazione ed utilizzo pratico degli output dell’analisi; posizionamento dell’azienda e studio dei gruppi di aziende.
- Introduzione alle tecniche di analisi discriminante per identificare casi critici di insolvenza.
N.B.: a compensazione della mancata frequenza dei laboratori e dell’impossibilità di svolgere le attività relative, lo studio teorico di alcuni argomenti sarà proposto ai soli studenti non frequentanti.
Lezioni frontali in aula in cui verranno introdotte le principali metodologie statistiche oggetto di studio, anche con il supporto di casi pratici ed esempi. Nell’ambito delle lezioni verrà utilizzato un approccio di costante interazione con lo studente. L’introduzione a livello teorico sarà prevalentemente finalizzata ad illustrare sia il funzionamento che l’utilità pratica delle tecniche presentate, in modo che lo studente possa meglio orientare la scelta tra di esse ed esercitarsi nel loro uso. Inoltre si guiderà lo studente nell’analisi dei dati e nell’interpretazione delle informazioni ottenute, in modo che siano di valido supporto per la gestione dell’azienda.
Al termine di ogni sezione teorica, sono previste attività di laboratorio basate sull’utilizzo di un software user-friendly SAS e di Excel. Le sessioni in laboratorio sono finalizzate all’applicazione pratica, usando database reali o simulati, delle tecniche introdotte nelle lezioni frontali. Le sessioni in laboratorio saranno incentrare, prevalentemente, sull’elaborazione dei dati e sulla interpretazione dei risultati ottenuti in un’ottica “pratica”, orientata alle decisioni nell’ambito aziendale.
In parallelo alle lezioni teoriche ed alle attività di laboratorio, gli studenti avranno la possibilità di realizzare progetti personali od esercizi; potrà essere proposta anche la realizzazione di test di valutazione o altre attività in itinere. La valutazione di tali attività potrà essere considerata ad integrazione o completamento del voto d’esame.
Esame scritto della durata di circa 120 minuti. L’esame sarà composto da una parte teorica (domande a test, domande aperte ed altri tipi di domande) e da una parte pratica (esercizi od altre brevi applicazioni). Orientativamente la parte teorica avrà un peso di 17-20 punti e la parte di esercizi di 11 -13 punti. Durante il corso potranno essere proposte altre attività collaterali per integrare la valutazione finale.
I voti dell’esame, espressi in trentesimi, saranno pubblicati sullo sportello-studente (online) e comunicati agli studenti via email (in seguito alla pubblicazione sarà facoltà dello studente rifiutare il voto online). Le valutazioni di dettaglio saranno pubblicate sulla piattaforma e-learning.
Almeno un tema d’esame (svolto e con soluzioni), se opportuno, potrebbe essere messo a disposizione sulla piattaforma e-learning.
Per gli studenti frequentanti sarà possibile realizzare, in parallelo al corso/ai laboratori, progetti di analisi dei dati basati sull’utilizzo di SAS e/o di Excel; la valutazione di tali progetti potrà integrare il voto d’esame.
Per gli studenti interessati, i progetti di analisi di cui sopra potranno essere successivamente presi in considerazione come base per la stesura di tesi di laurea di tipo B - relazioni (o A, se opportunamente sviluppati).
Il materiale didattico (slide) viene messo a disposizione, durante il corso, in ambiente e-learning. Al termine delle slide sono proposti esercizi e spunti di riflessione che saranno di aiuto per preparare la parte applicata dell’esame (esercizi).
Ulteriori informazioni (ad esempio: avvisi, variazioni di orario, programma del corso esteso, risultati degli esami, temi d’esame ed esercizi svolti, e così via) saranno pubblicate sulla piattaforma e-learning del corso (per l’iscrizione contattare il docente: daniele.toninelli@unibg.it).
Bacheca online del corso: www.unibg.it > Studia con noi > Elenco insegnamenti > Insegnamenti attivi a.a. corrente > “87115 – Statistica Economica” (link: https://www00.unibg.it/struttura/strutturasmst.asp?corso=87115&nomecorso... economica)
Per ulteriori informazioni e /o dubbi, contattare il docente: daniele.toninelli@unibg.it
Orari di ricevimento docente: www.unibg.it > Strutture e persone > Cercapersone > Daniele Toninelli; link: http://www.unibg.it/pers/?daniele.toninelli
Nota importante: Qualora l'insegnamento venisse impartito in modalità mista o a distanza, potranno essere introdotte modifiche rispetto a quanto dichiarato nel syllabus per rendere il corso e gli esami fruibili anche secondo queste modalità.
No mandatory prerequisite is required.
No suggested prerequisites (the teaching approach will start from the bases, and useful statistical concepts will be re-introduced during the course).
The main objective of the course is to contribute in developing the student’s ability in analyzing, in understanding and in dealing with various issues linked with businesses and firms. The course will provide students with statistical tools usable in various contexts. In particular, at the end of the course the student will be able to work with a database, also evaluating the quality of data included in it. Moreover, on the one hand the student will understand the theoretical bases of some data analysis statistical methods; on the other hand he/she will try to practically apply them, using SAS Studio or SAS-Enterprise Guide (SAS, from here on); these are user-friendly platforms of SAS, one of the most widespread statistical software, worldwide (also available in the University of Bergamo’s laboratories).
More into details, the student will learn how to use a wide range of statistical methods. This in order to use them for cross-section analyses (preliminary explorative data analysis), for longitudinal analyses (number indexes, time series analyses) or multidimensional analyses (principal components analysis, cluster analysis and discriminant analysis). At the end of the course the student will be able to evaluate and use data (mostly business variables and datasets) and to work with them, transforming them into useful information. The student will also learn how to effectively communicate such information, translating it into decisions that can guide the business activities, also considering the competitive context.
FIRST PART: from data to preliminary information.
- Statistics as support for the business management.
- Data and statistical information for business and their quality.
- First steps in working with business datasets.
- Using SAS - Working with data in order to obtain information and preliminary reports useful for decisions: variables classification, exploratory and descriptive analyses.
SECOND PART: longitudinal approaches for the analysis of business, economic and market variables (number indexes, time series analysis).
- Generic and specific statistical ratios.
- Simple and synthetic number indexes (Laspeyres, Paasche, Fisher): how to compile them, properties and interpretation.
- Main series of number indexes published by Istat: usefulness to plan future business strategies.
- Mobility of units within the business personnel development.
- Using SAS/Excel: longitudinal analyses based on number indexes; decomposition and interpretation of the time changes; analysis of the business productivity from a temporal and spatial perspective through number indexes.
- Classical analysis of time series for planning business activities: principles and objectives.
- Preliminary graphical analyses.
- Decomposition and composition models.
- Phases of the classic analysis.
- Estimating and interpreting the time series components; the moving averages.
- Using models for a medium-long term forecast.
- Models goodness of fit and of forecast.
- Short-term forecasting using the exponential smoothing.
- Using SAS/Excel - Applying decompositive and compositive methods in order to study time series; using the classic analysis for forecast purposes; evaluating and comparing the forecast accuracy of forecast models.
THIRD PART: multidimensional statistical analyses of business datasets.
- Examples of statistical analyses of the business balance sheet variables: choice of statistical units and variables.
- Factor analysis: principal component analysis (PCA) step by step.
- Estimation and interpretation of factors and practical uses.
- Benchmarking of a firm within its reference market.
- Using SAS - Reduction of variables complexity; estimate and interpretation of the principal components in order to study the business positioning within the competitive environment.
- Measuring the similarity/distance between statistical units.
- How to build a distance matrix.
- Cluster analysis introduction: how to identify homogeneous groups of firms within a market.
- Aggregative hierarchical algorithms and clustering criteria.
- Drawing and interpreting dendrograms and scree plots for practical decisions.
- Using SAS – Preliminary analysis and treatment of variables; implementing hierarchical aggregative algorithms; interpretation and practical usage of the analysis outputs; business benchmarking and study of the groups of firms.
- Introduction to discriminant analysis techniques: the identification of critical business cases.
Note: in order to compensate the impossibility of attending laboratories and of developing the linked activities, some topics will be only proposed to non-attending students.
In course’s lectures, some of the main statistical methods will be introduced, with the support of case studies and practical examples. Within lectures, there will be a constant interaction with the students. The main scope of the theoretical introduction will be to show both how these methods work and their usefulness. At the end of the course, the student will learn how to choose and how to use these techniques. Moreover, the student will be guided in exploring and analyzing data and in the interpretation of the obtained results, so that they can become a valid support for business managers.
At the end of each theoretic section, there will be lab-sessions based on the use of a user-friendly SAS software and of Excel. The lab sessions will be finalized to the practical application of the methods introduced during the course. In particular, the lab sessions will be mainly focused on the data analysis and on the interpretation of results, from a practical point of view. A decision making perspective will allow students to make decisions for the business management.
In parallel to the theoretical lectures and to the lab sessions, students will have the opportunity to start developing personal research project and/or applied exercises. Moreover periodic tests or other activities during the course could be proposed to the students. The evaluation of such activities could be considered as integration or completion of the exam evaluation.
Written exam of about 120 minutes. The exam is made by a theoretical part (tests and open questions requiring short answers) and by a practical part (exercises). The theoretical part evaluation will roughly reach a maximum of 18 to 20 points, whereas the exercises will be evaluated up to 11 to 13 points, roughly. Other activities could be proposed during the course in order to integrate the final evaluation.
The exam results (on a 0-30 scale) will be published online and will be sent to the students by email (after this, the student is allowed to reject online his/her evaluation). The detailed scores will be published on the e-learning page of the course.
If it will be the case, at least one exam example (with solutions) could be published on the e-learning page of the course.
During the lessons/labs, the attending students will have the opportunity to develop data analysis projects using SAS and/or Excel. These projects evaluation will integrate the exam’s score.
For interested students, the abovementioned analysis projects could be considered a potential base to be further developed into a type B thesis – reports (or, if further developed, into a type A thesis).
The course material (slides) will be available, during the course, on the web page of the course. At the end of each block of slide, some exercises and ideas are proposed, in order to help the student preparing the exam’s empirical part (exercises).
Further information (e.g. news, schedule updates, full program, exams evaluations, text of exams with solutions, exercises and solutions, and so on) will be published on the e-learning page of the course as well (in order to get the access, please contact: daniele.toninelli@unibg.it).
Web page of the course: http://en.unibg.it/ > Study > Courses list > Current AY active teachings > “87115 – Economic Statistics” (link: https://www00.unibg.it/struttura/strutturasmst.asp?corso=87115&nomecorso... economica)
For further information and/or doubts, please contact the teacher: daniele.toninelli@unibg.it
Teacher’s office hours calendar: http://en.unibg.it/ > Contacts > Search for people > Daniele Toninelli; link: http://www.unibg.it/pers/?daniele.toninelli
Important note: if the course will take place (partially or fully) online, some changes can be introduced in the course syllabus. This in order to adapt both the course and the exam to an online attendance.