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’.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Al termine termine del corso gli studenti devono:

• essere in grado di forumlare il modello teorico più adatto alla domanda di ricerca
• aver acquistio la capacità di scegliere il metodo di stima più appropiato alla domanda di ricerca e alla tipologia di dati a disposizione
• essere in grado di comprendere i risutlati ottenuti, ed interpretarli in tarmini statistici ed economici
• essere in grado di leggere e comprendere, con senso critico, le pubblicazioni scentifiche caratterizzate da una componente empirica

PREREQUISITI

Livello di conoscenza richiesto dai corsi in Matematica e Statistica.

Inoltre è di fondamentale importanza la conoscenza delle seguenti operazioni di algebra lineare: inner product ,outer product, moltiplicazioni e somme tra matrici, calcolo del determinate di matrici quadrate (fino a 3 per 3),calcolo dell’inversa di una matrice quadrata, operazione di trasposta di una matrice. Oltre che le seguente nozioni di statistica: test delle ipotesi, test T e test F.

MODALITA' DIDATTICHE

• Lezioni frontali
• Lezioni frontali con utilizzo di software e/o tecnologia innovativa
• Esercitazioni in aula

N:B:

qualora non fosse possibile svolgere attività in presenza, si adotteranno le modalità di erogazione degli insegnamenti decise dal CDD (modalità mista in presenza e online), rinviando
ad Aulaweb per eventuali ulteriori aggiornamenti che si rendesseronecessari nel corso dell'anno accademico (sia per quanto riguarda le modalità di erogazione, sia per quanto concerne le modalità d'esame), in caso di variazioni della situazione sanitaria ed epidemiologica.

PROGRAMMA/CONTENUTO

Prima parte

1.Il modello di regressione lineare

• Specificazione, ipotesi, interpretazione
• Stima dei parametri e proprietà degli stimatori
• Analisi della varianza, R2
• Collinearità
• Stima per intervallo
• Test di ipotesi: i test t ed F
• Stimatori vincolati

• Esempi teorici
• Esempi applicati, con dati simulati e reali

2.Il modello di regressione lineare generalizzato

• Specificazione, ipotesi, interpretazione
• Stima dei parametri
• Proprietà degli stimatori
• Test di ipotesi: i test di incorretta specificazione
• Esempi teorici
• Esempi applicati, con dati simulati e reali

3.Instabilità dei parametri e previsione

• Break strutturali e test per la loro presenza
• Metodi di stima ricorsivi e variabili dummy
• Previsione nel modello lineare
• Esempi teorici
• Esempi applicati, con dati simulati e reali

Seconda parte

4.Il modello di regressione lineare con regressori endogeni

• Distorsione da variabili omesse
• Correlazione tra regressori ed errore
• Stimatori con variabili strumentali:
• specificazione, ipotesi ed interpretazione
• Strumenti deboli e problematiche connesse
• Test di Hausman e di sovra-identificazione
• Applicazioni empiriche

5.Modelli per dati qualitativi

• Stima di massima verosimiglianza
• Variabili dipendenti binarie
• Modelli LOGIT e PROBIT: specificazione e stima
• Interpretazione dei parametri
• Applicazioni empiriche

6.Cenni sui modelli per dati panel

• Tipologia
• Modelli con effetti fissi
• Modelli con effetti stocastici

TESTI/BIBLIOGRAFIA

Durante il corso verranno pubblicate su aulaweb le dispense utili all'apprendimento ed alcuni paper che verranno discussi in aula, oltre che problem set e mock exam

Alcuni testi consigliati per l'integrazione:

• W.H. Greene, Econometric Analysis, Prentice Hall
• M. Verbeek M., A Guide to Modern Econometrics, Wiley
• J.M. Wooldridge, Introductory Econometrics, Thomson