- Obiettivi e contenuti
-
- 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
- URL Aula web
-
ECONOMETRIA
https://2018.aulaweb.unige.it/course/view.php?id=1332 - URL Orario lezioni
-
ECONOMETRIA
http://diec.unige.it/orario-lezioni
-
- Chi
-
- Docenti
-
Gabriele Deana
gabriele.deana@economia.unige.it - Commissione d’esame
-
24615 - ECONOMETRIA
Anna Bottasso
Maurizio Conti (Presidente)
Malvina Marchese
-
-
- MODALITA' D'ESAME
-
Scritto, Orale
-
- URL Aula web
-
ECONOMETRIA
https://2018.aulaweb.unige.it/course/view.php?id=1332 - URL Orario lezioni
-
ECONOMETRIA
http://diec.unige.it/orario-lezioni - INIZIO LEZIONI
-
1° semestre
19 settembre - 15 dicembre 2016
- RICEVIMENTO STUDENTI
-
Gabriele Deana
Martedì 18-19
- Appelli
-
Data Ora Tipo Luogo Note 21 dicembre 2018 10:00 Orale Genova 21 dicembre 2018 10:00 Scritto Genova 16 gennaio 2019 10:00 Orale Genova 16 gennaio 2019 10:00 Scritto Genova 4 febbraio 2019 14:00 Orale Genova 4 febbraio 2019 14:00 Scritto Genova
-
Eventuali propedeuticità e/o prerequisiti consigliati
Matematica generale, prerequisito obbligatorio.
Statistica I, prerequisito obbligatorio.
Si raccomanda fortemente agli studenti di ripassare l’algebra lineare, la teorie dell’integrazione, e la teoria della probabilità oggetto dei corsi sopraelencati. Gli studenti sono invitati a colmare eventuali lacune con l’ausilio del materiale di ripasso extra di algebra lineare e statistica disponibile prima dell’inizio delle lezioni su Aulaweb sul sito di Econometria I.E’ di importanza fondamentale la capacita di risolvere integrali definiti per parti o sostituzione. 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.