Paolo Frumento

Paolo Frumento è professore associato presso il Dipartimento di Scienze Politiche dell'Università di Pisa. In precedenza, è stato Assistant Professor presso il Karolinska Institute, Stoccolma, Svezia.

I suoi principali ambiti di ricerca sono relativi agli aspetti metodologici e computazionali della statistica: inferenza causale, analisi di sopravvivenza, regressione quantilica, statistical modelling. E' autore di numerosi pacchetti nell'ambiente statistico R: ctqr, qrcm, pchreg, Mqrcm.

La sua attività include la partecipazione a progetti di insegnamento della statistica nelle scuole primarie. Uno di questi progetti è stato insignito dell'Italian Teaching Award 2025.



Selected publications:


Frumento P (2022). “A quantile regression estimator for interval-censored data”. International Journal of Biostatistics, 19(1), 81-96.

Sottile G, Frumento P (2022). “Robust estimation and regression with parametric quantile functions”. Computational Statistics & Data Analysis, 171, 107471.

Sottile G, Frumento P (2021). “Parametric estimation of non-crossing quantile functions”. Statistical Modelling, 23(2), pp 173-195.

Frumento P, Bottai M, and Fernández-Val I (2021). “Parametric modeling of quantile regression coefficient functions with longitudinal data”. Journal of the American Statistical Association, 116(534), pp 783-797.

Frumento P, and Salvati N (2021). “Parametric modeling of quantile regression coefficient functions with count data”. Statistical Methods and Applications, 30, pp 1237-1258.

Frumento P, Salvati N (2020). “Parametric modeling of m-quantile regression coefficient functions, with application to small area estimation”. Journal of the Royal Statistical Society, Series A, 183(1), pp 229-250.

Sottile G, Frumento P, Chiodi M, Bottai M (2019). “A penalized approach to covariate selection through quantile regression coefficient models”. Statistical Modelling, 20(4), DOI: 10.1177/1471082X19825523, ISSN: 1471-082X.

Frumento P, Bottai M (2017). “Parametric modeling of quantile regression coefficient functions with censored and truncated data”. Biometrics, Vol.73(4), pp.1179-1188. DOI: 10.1111/biom.12675. ISSN: 0006-341X.

Frumento P, Bottai M (2017). “An estimating equation for censored and truncated quantile regression”. Computational Statistics & Data Analysis, Vol.113, pp.53-63. DOI: 10.1016/j.csda.2016.08.015. ISSN: 0167-9473

Frumento P, Bottai M (2016). “Parametric modeling of quantile regression coefficient functions”. Biometrics, Vol.72(1), pp.74-84. DOI: 10.1111/biom.12410. ISSN: 0006-341X

Frumento P, Mealli F, Pacini B, Rubin DB (2016). “The fragility of standard inferential approaches in principal stratification models relative to direct likelihood approaches”. Statistical Analysis and Data Mining, Vol.9(1), pp.58-70. DOI: 10.1002/sam.11299. ISSN: 1932-1864.

Frumento P, Mealli F, Pacini B, Rubin DB (2012). “Evaluating the effect of training on wages in the presence of noncompliance, nonemployment, and missing outcome data”. Journal of The American Statistical Association, Vol.107(498), pp.450-466. DOI: 10.1080/01621459.2011.643719. ISSN: 0162-1459.