MODELLI DEMOGRAFICI E PREVIDENZA

1. Conoscenza e capacità di comprensione (knowledge and understanding): Il corso mira a fornire gli strumenti fondamentali della Demografia. Particolare attenzione verrà rivolta su come le nuove fonti di dati a disposizione possono essere impiegate per comprendere e studiare i fenomeni demografici.
2. Capacità di applicare conoscenza e comprensione (applying knowledge and understanding): Sulla base delle conoscenze acquisite, lo studente sarà in grado di utilizzare i principali metodi quantitativi al fine di analizzare e investigare gli aspetti essenziali dei fenomeni demografici.
3. Autonomia di giudizio (making judgements): lo studente sarà in grado di raccogliere, elaborare ed interpretare dati di natura quantitativa e qualitativa sui processi demografici, anche in un’ottica politico-decisionale. Lo studente sarà in grado di individuare i legami tra le variabili demografiche e quelle sociali nei paesi sviluppati e in quelli in via di sviluppo.
4. Abilità comunicative (communication skills): Lo studente sarà in grado di trasferire ad altri, con padronanza di linguaggio tecnico, informazioni e valutazioni relative alle problematiche demografiche.
5. Capacità di apprendimento (learning skills): alla fine del corso di lezioni lo studente avrà acquisito le conoscenze necessarie per poter proseguire i suoi studi economici. L’apprendimento è ottenuto con un processo graduale in stretta relazione con le tematiche disciplinari e con gli obiettivi formativi peculiari del Corso di Laurea.

Lezioni frontali e seminari con docenti invitati. Esercitazioni in laboratorio su R. Qualora l'insegnamento venisse impartito in modalità mista o a distanza potranno essere introdotte le necessarie variazioni rispetto a quanto dichiarato in precedenza, al fine di rispettare il programma previsto e riportato nel syllabus.

Non è richiesto alcun prerequisito specifico. 

Di norma obbligatoria

Parte 1

Concetti di base dell'analisi demografica.  Le fonti dei dati. Caratteristiche strutturali di una popolazione. La mortalità e le tavole di eliminazione. Elementi di analisi della sopravvivenza. Lo stimatore di sopravvivenza di Kaplan Meier. Analisi della mortalità per età. Tecniche di smoothing. Il modello Lee-Carter.

Parte 2

1. Il software R: nozioni introduttive, immissione dei dati e importazione degli stessi, costruzione di vettori e matrici, chiamate di funzioni, prime analisi, grafici. Pacchetti R per data science: dplyr, tidyr, ggplot2. Analisi dei dati demografici con i pacchetti demography e vital.

G. De Santis, DEMOGRAFIA, il Mulino

Grolemund, G., & Wickham, H. (2023). R for Data Science. O’Reilly Media https://it.r4ds.hadley.nz/

Hyndman, R., Introduction to the vital package https://pkg.robjhyndman.com/vital/articles/intro.html

Materiale didattico distribuito in aula

L’esame consiste in una prova scritta e nella discussione di una tesina preparata dallo studente. 

La verifica dell’apprendimento potrà essere effettuata anche per via telematica, qualora le condizioni lo dovessero richiedere.

Che cosa si intende per tasso di mortalità grezzo e come differisce dai tassi specifici di mortalità?

Come funziona il modello di Lee-Carter per la previsione della mortalità e quali sono le sue principali applicazioni?

Descrivi l'approccio di Kaplan-Meier per stimare le funzioni di sopravvivenza.

In che modo le tecniche di smoothing possono migliorare l'analisi della mortalità? Quali sono gli approcci più comuni per applicare queste tecniche ai dati demografici?

Come vengono utilizzati i pacchetti statistici, come demography e vital, nell'analisi di dati demografici e nella costruzione di modelli predittivi?