RICERCA ITALIANA     

Programmi di ricerca simili:

• 1 - Nuovi metodi statistici multivariati di classificazione e riduzione dimensionale per la valutazione e la customer satisfaction nei servizi
• 2 - Metodologie statistiche per l'analisi di impatto e la valutazione della regolamentazione
• 3 - METODI E MODELLI STATISTICI PER LA VALUTAZIONE DEI PROCESSI FORMATIVI
• 4 - Basi di dati crittografate
• 5 - Nuove tecniche e strumenti per l'interrogazione di servizi di ricerca su Web
• 6 - Sintesi automatica di modelli astratti a partire da dati temporali o spaziali
• 7 - Metodologie di data mining per le applicazioni di e-business
• 8 - Trattamento statistico della complessità e dell'incertezza negli studi ambientali
• 9 - La Geomatica a supporto delle azioni di Governo del Territorio
• 10 - Modelli teorici e politiche di sostegno per la non autosufficienza in una società con elevata incidenza di popolazione anziana

Classificazione scientifico-disciplinare

• Area scientifico disciplinare: Scienze economiche e statistiche
  • STATISTICA

Classificazione geografica

• Regione: Lazio

Bibliografia

Aitkin, M. (1999). A general maximum likelihood analysis of variance components in generalized linear models, Biometrics, 55,117-128.
Aitkin, M., Rocci, R. (2002). A general maximum likelihood analysis of measurement error in generalized linear models. Statistics and Computing, 12, 163-174.
Alfò M., Aitkin M. (2000), Random coefficient models for binary longitudinal responses with attrition, Statistics and Computing, 10, 279-287.
Ansari, A. et al. (1997). Representing Heterogeneity in Consumer Response Models, in DeSarbo, W.S. (chair) 1996 Choice Conference, Marketing Letters 8, 335-348.
Atkinson, A. C., Riani, M. and Cerioli, A. (2004). Exploring Multivariate Data with the Forward Search. New York: Springer-Verlag.
D. J. Bartholomew, M. Knott (1999), Latent variable models and factor analysis, Kendall’s Library of Statistics 7, London.
Bini, M., Riani, M., Atkinson, A.C. e Cerioli, A. (2004). Analisi di efficienza ed efficacia del sistema universitario italiano attraverso nuove metodologie statistiche multivariate robuste, MIUR – Comitato Nazionale per la Valutazione del Sistema Universitario, RdR 3/04. Available at http://www.cnvsu.it/publidoc/comitato/.
Boari, G. (2001). A dynamic version of structural equation models applied to national customer satisfaction indices, Proceedings of the 6th TQM World Congress, 2001, St. Petersburg, 291-298.
Bollen K.A., (1989). Structural equations with latent variables. Wiley, New York.
Brannas, K., Rosenqvist, G. (1994). Semiparametric estimation of heterogeneous count data models, European journal of Operational Research, 76, 247-258.
Brüggemann, R., Sorensen, P.B., Lerche, D., Carlsen, L. (2004), Estimation of Averaged ranks by a Local Partial Order Model, J. Chem. Inf. Comput. Sci. 44, 618-625
G. Cavrini, G. Galimberti, G. Soffritti (2005), Un’analisi della soddisfazione dei pazienti del Policlinico S. Orsola-Malpighi di Bologna basata su modelli multilevel di classe latente, in “Atti della Riunione Scientifica Valutazione e Customer Satisfaction per la Qualità dei Servizi”, Roma, 8-9 Settembre 2005, pp. 61-64.
Cerioli, A., Riani, M. and Atkinson, A. C. (2006). Robust Classification with Categorical Variables. In Rizzi A. and Vichi M.: COMPSTAT 2006, Heidelberg: Physica-Verlag (in press).
Cowell, R.G., Dawid, A. P., Lauritzen S.L., & Spiegelhalter D.J. (1999). Probabilistic Networks and Expert Systems. New York, USA: Springer.
Cox, T.F. and Cox, M.A.A. (2001), Multidimensional scaling, 2nd edition, Monographs on Statistics and Applied Probability, 38, Chapman&Hall/CRC, New York
W.S. DeSarbo, W.L.Cron (1988), A maximum likelihood methodology for clusterwise linear regression, Journal of classification, 5, 247-282
Diewert, W.E. (1992) Fisher ideal input and productivity indexes revisited, Journal of Productivity Analysis, 3, pag 211-248.
Ehrenberg, A.S.C. (1972). Repeat-Buying, Theory and Applications, North-Holland, Amsterdam.
Fischer, G.H., Molenaar I.W. (1990). Rasch Models: Foundations, Recent Developments and Applications. Springer-Verlag, New York.
Gareis, K. and Osimo, D. (2004). Benchmarking Regional Performance in the Information Society: Turning It into Practice.
Gifi A., 1990. Nonlinear Multivariate Analysis. J. Wiley, New York.
Givon, M., Horsky, D. (1985). Homogeneity and heterogeneity in sthocastic models of brand choice, International journal of Research in Marketing, 2, 263-272.
Giudici, P. and Bilotta, A. (2004).Modelling operational losses: a bayesian approach. Quality and reliability engineeering international, 20, pp. 407-417.
Giudici, P. and Cornalba, C. (2004). Statistical models for operational risk management. Physica A: Statistical Mechanics and ts applications, 338, pp.166-172.
Gori E., Vittadini G. (1999). Qualità e valutazione nei servizi di pubblica utilità. ETAS libri, Milano.
Goldstein H. (1995), Multilevel Statistical Models, 2nd edition, Arnold, London.
Grigoroudis, E., Siskos, Y., 2002. Preference disaggregation for measuring and analysing customer satisfaction: The MUSA method. European Journal of Operational Research 143 (1), 148-170.
Hampel, F. R., Ronchetti, E. M., Rousseeuw, P. J. and Stahel, W. A. (1986). Robust Statistics. The Approach based on Influence Functions. New York: Wiley.
Hox, J.J. (1995). Applied multilevel analysis. TT-Publikaties, Amsterdam.
Johnson, M.D. and Fornell, C. (1991), A Framework for Comparing Customer Satisfaction across Individuals and Product Categories, Journal of Economic Psychology 12, 267-286.
Parasuraman A., Berry L.L., Zeithmal V.A. (1988), SERVQUAL: a Multiple-Item Scale for Measuring Customer Perceptions of Service Quality, Journal of Retailing, 1, 11-40.
K. G. Jöreskog, I. Moustaki (2001), Factor analysis of ordinal variables: a comparison of three approaches, Multivariate Behavioural Research.
King, J. L., (2001). Operational risk, Measurement and Modelling. West Sussex, England: John
Wiley and Sons.
Lebart L., Morineau A., Piron M. (1995). Statistique exploratoire multidimensionelle. Dunod, Paris.
Longford N.T, 1993. Random coefficient models. Statistical Science Series, 11.
B. Muthen (1978), Contributions to factor analysis of dichotomous variables, Psychometrika, 43.
Muthén B.O. (1989). Latent variable modeling in heterogeneous populations, Psychometrika, 54, 557-585.
G.J. McLachlan, K.E. Basford (1988) Mixture models:inference and application to clustering, Marcel Dekker.
Mclachlan G.J., Been R.W., Peel D. (2002). A mixture model-base approach to the clustering of microarray expression data, Bioinformatics, 18, 413-422.
Mecatti, F. and Migliorati, S. (1999), Un algoritmo di linkage tra archivi di imprese: aspetti metodologici e problemi applicativi, Atti del Convegno SIS, Udine.
Michailidis, G. and de Leeuw, J. (1998). The Gifi System of Descriptive Multivariate Analysis. Statistical Science, 13, 4, 307-336.
Patil, G. P. and Taille, C. (2004), Multiple indicators, partially ordered sets, and linear extensions: Multi-criterion ranking and prioritization, Environmental and Ecological Statistics 11, 199-228
Regione Emilia-Romagna (2004). Benchmarking della società dell’informazione in Emilia-Romagna. Primo Rapporto 2005: back-office, front-office ed utilizzo dell’e-government in Emilia-Romagna ed in Europa.Available at http://www.regionedigitale.net/benchmarking/.
Regione Emilia-Romagna (2005). Benchmarking della società dell’informazione in Emilia-Romagna. Secondo Rapporto 2005: l’infrastruttura della banda larga; la diffusione di Internet tra cittadini, imprese e scuole; il settore ICT. Available at http://www.regionedigitale.net/benchmarking/.
Rocci R., Bove G. (1998) Approcci multilineari e inferenziali per l’analisi fattoriale di matrici a tre indici. Società Italiana di Statistica, atti della XXXIX Riunione Scientifica.
Rocci, R. Vichi M. (2005). Three-Mode Component Analysis with Crisp or Fuzzy Partition of Units, Psychometrika, 70,4, 715-736.
P. J. Shelton (2000), Measuring and improving customer satisfaction, Aspen publisher.
Understand (2006). Results Synopsis. Available http://www.understand-eu.net/.
Vavra, T.G.(1997). Improving Your Measurement of Customer Satisfaction. ASQC Quality Press, Milwaukee.
Zanella, A. (2001). Measures and models of customer satisfaction: the underlying conceptual construct and a comparison of different approaches, Proceedings of the 6th TQM World Congress, 2001, St. Petersburg, 291-298.
J. K. Vermunt, J. Magidson (2003), Latent class models for classification, Computational Statistics and Data Analysis, 41, 531-537.
Zani, S. (1996). Misure della Qualità della Vita. Milano: Franco Angeli.
M. wedel, W.S. De Sarbo (1995) A mixture likelihhod approach for generalized linear models, Journal of classification, 12, 21-55
Wedel M., Kamakura W. (2002). Editorial: Introduction to the Special Issue on Market Segmentation, Intern. J. of Research in Marketing, 19, 181-183
Winkelmann, R. (2000). Econometric Analysis of Count Data, Springer-Verlag, Berlin.

Parole Chiave

RIDUZIONE DIMENSIONALE, ANALISI DEI GRUPPI, MODELLI MISTURA, ROBUSTEZZA, FORWARD SEARCH, CUSTOMER SATISFACTION, VALUTAZIONE DELLA QUALITÀ, DATA MINING, RISCHI OPERATIVI, EFFICACIA, EFFICIENZA