ECONOMETRIA

ECONOMETRIA

_
iten
Codice
24615
ANNO ACCADEMICO
2019/2020
CFU
6 cfu al 3° anno di 8699 ECONOMIA E COMMERCIO (L-33) GENOVA

6 CFU al ° anno di 8700 ECONOMIA E ISTITUZIONI FINANZIARIE (LM-56) GENOVA

SETTORE SCIENTIFICO DISCIPLINARE
SECS-P/05
SEDE
GENOVA (ECONOMIA E COMMERCIO)
periodo
1° Semestre
propedeuticita
materiale didattico

PRESENTAZIONE

Il corso si propone di introdurre lo studente alla comprensione e all'impiego dei metodi quantitativi in economia. Nel corso vengono trattati il modello lineare e le sue generalizzazioni; la teoria della stima e quella dei test; le tecniche di specificazione econometrica e i problemi di selezione del modello; il metodo di stima con variabili strumentali. Tali tecniche sono illustrate sia dal punto di vista teorico, sia attraverso esempi di applicazioni empiriche utilizzando software specifici, quali  Stata.

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’.

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.

Modalità didattiche

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

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

 

DOCENTI E COMMISSIONI

Ricevimento: Martedì 11-13, II piano, stanza 1028

LEZIONI

Modalità didattiche

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

INIZIO LEZIONI

1° semestre

17 Settembre2019 - 11 Dicembre 2019

ESAMI

Modalità d'esame

L’esame è scritto e può essere sostenuto in un’unica prova generale oppure in due prove parziali (in questo caso il voto finale è la media dei voti delle prove parziali)