Spiegare o prevedere: come utilizzare i modelli statistici.

Il presente elaborato ha l’obiettivo di analizzare le differenze che intercorrono tra due differenti approcci alla modellazione statistica: quello esplicativo e quello predittivo. Nel primo caso l’interesse del ricercatore è quello di studiare le relazioni causali che esistono tra le variabili del modello mentre, in ambito predittivo, l’interesse è rivolto ad identificare la combinazione di fattori che meglio prevedono un evento futuro. Nella prima parte del lavoro si sono definiti i due diversi approcci e, più in generale, alcuni dei modelli statistici più utilizzati in ambito di ricerca tra cui i modelli binomiali, i modelli per dati di panel e i modelli logit e probit. Nei due capitoli seguenti, invece, si sono trattate specificatamente due importanti famiglie di modelli statistici: i Modelli di Equazioni Strutturali (SEM) e i modelli per Serie Storiche. Questa scelta è stata dettata dal diverso scopo legato all’utilizzo dell’una o dell’altra famiglia di modelli: i SEM sono infatti tipicamente utilizzati per il loro potere esplicativo mentre i modelli per serie storiche forniscono un importante esempio di modelli caratterizzati da spiccato potere predittivo.