Inferenza causale
Disegni e metodi per la stima di effetti causali in studi sperimentali e osservazionali, con enfasi sullo sviluppo di metodologie di analisi, (sia in ambito frequentista che Bayesiano), per studi sperimentali con complicazioni (noncompliance, dati mancanti) e studi osservazionali non regolari (variabili strumentali, matching, disegni regression discontinuity). Tra le applicazioni: valutazione di politiche pubbliche e analisi di studi clinici.
In particolare, tra i temi specifici, ci stiamo occupando di:
Inferenza causale negli studi sperimentali e osservazionali. Metodi bayesiani per l’analisi di effetti causali in: (1) studi sperimentali in presenza di post-treatment confounded intermediate variables, quali studi con complicazioni post trattamento (noncompliance, dati mancanti); (2) studi volti all’individuazione di meccanismi causali; (3) studi con trattamenti che variano nel tempo. Analisi di studi osservazionali con variabili trattamento binarie e continue con ignorabilità del meccanismo di assegnazione al trattamento. Analisi di studi con regole di assegnazione al trattamento non regolari (quali regression discontinuity designs). Metodi di inferenza causale in presenza di interferenza.
Persone: Baccini, Doretti, Mattei, Mealli, Menchetti, Rampichini, Sera
Ultimo aggiornamento
01.03.2024