OBIETTIVI FORMATIVI

Il corso è volto a fornire agli studenti gli strumenti di base dell’analisi econometrica. Partendo da una rigorosa analisi teorica del modello di regressione lineare, introduce i principali stimatori e ne analizza le proprietà in “finite sample” e “asymptotics” sotto le ipotesi di Gauss-Markov. Il modello e la sua analisi vengono poi estesi a analisi di regressione multipla e i risultati in questo contesto vengono dimostrati utilizzando l’algebra lineare. Il corso sviluppa poi un’approfondita analisi dei principali test delle ipotesi basandosi sulla teoria della distribuzione e del loro utilizzo nella modellizzazione econometrica, in particolare delineandone la relazione con le domande di ricerca. Considera infine i casi di errata specificazione del modello e di fallimento delle ipotesi classiche ,ne analizza le conseguenze sugli stimatori e sviluppa strategie di stima alternative,verificandone la validita’.

PROGRAMMA/CONTENUTO

Parte I:

CONCETTI BASE DI PROBABILITA’E INFERENZA STATISTICA: variabili aleatorie univariate e multivariate, funzioni di distribuzione e densità di variabili aleatorie univariate e multivariate, momenti di variabili aleatorie univariate e multivariate, teoria della distribuzione, momenti campionari, stimatori come variabili aleatorie, proprietà degli stimatori in “finite sample”, consistenza degli stimatori, test delle ipotesi.

INTRODUZIONE AI MODELLI ECONOMETRICI:

variabile dipendente come variabile aleatoria e suoi momenti di interesse.

modelli parametrici e non parametrici.

modelli di regressione lineare e non lineare

modelli di” quantile regression”

“conditional heteroskedasticity models”

TIPI DI DATI:

dati “cross section”

dati” time series”

dati panel e loro vantaggi

Parte II: MODELLO DI REGRESSIONE LINEARE SEMPLICE

Scopo del modello

Ipotesi di Gauss –Markov con regressori non stocastici

Ipotesi di Gauss- Markov con regressori stocastici

Stimatore OLS, stimatore MLE, stimatore GMM: definizione e derivazione.

Aspetti  algebrici degli stimatori.

Proprietà degli stimatori in “finite sample”

Teorema di Gauss-Markov.

Proprietà asintotiche degli stimatori: teorema di Slutzky, LLN, condizioni necessarie e sufficienti per la consistenza.

Test delle ipotesi per il modello di regressione lineare semplice

R quadro e R quadro adjusted, altri criteri di “goodness of fit” del modello.

Parte III: MODELLO DI REGRESSIONE LINEARE MULTIPLO

Scopo del modello

Ipotesi di Gauss-Markov  con regressori stocastici e non stocastici in forma compatta.

Identificazione del modello e condizioni di esclusione di multicollinearita’ perfetta.

Stima del modello tramite OLS e MLE.

Aspetti  algebrici degli stimatori.

Proprietà degli stimatori in “finite sample”

Teorema di Gauss-Markov.

Proprietà asintotiche degli stimatori: teorema di Slutzky, LLN, condizioni necessarie e sufficienti per la consistenza,teorema del limite centrale.

Parte IV: TEST DELLE IPOTESI NEL MODELLO DI REGRESSIONE LINEARE MULTIPLO.

Parte V:PROBLEMI DI ERRONEA SPECIFICAZIONE DEL MODELLO

PARTE VI: FALLIMENTO DELLE IPOTESI DI GAUSS-MARKOV