QUANTITATIVE METHODS III
Syllabus
EN
IT
Obiettivi Formativi
OBIETTIVI FORMATIVI:
Il corso fornisce un'introduzione agli strumenti utilizzati in Microeconometria Applicata perstudiare l'inferenza causale. Ha un approccio pratico, l'enfasi non è sulle dimostrazioni ma
sull'intuizione e sulle applicazioni. Il corso copre i modelli di regressione lineare, l'identificazione basata su variabili osservabili, "randomized control trials", modelli di " difference-in-differences", le variabili strumentali e (se il tempo lo permette) il "regression discontinuity design". Copriremo le basi teoriche dei metodi, e applicheremo tali nozioni
teoriche a dati dal mondo reale utilizzando il software Stata. Le sessioni su Stata saranno una componente importante del modulo. L'obiettivo è fornire agli studenti le competenze
per eseguire la preparazione dei dati e le analisi econometriche.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Conoscenza dei tipi di dati e dei fondamenti della codifica su Stata, modelli di regressione lineare, tecniche di inferenza causale.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Capacità di selezionare metodi di analisi dei dati appropriati e di analizzare le relazioni causali tra variabili in economia.
AUTONOMIA DI GIUDIZIO:
Questo corso dota gli studenti delle competenze analitiche per analizzare e interpretare i dati in modo rigoroso, consentendo loro di distinguere tra correlazione e causazione.
Applicando queste competenze a scenari del mondo reale, gli studenti sono attrezzati per valutare criticamente le affermazioni causali in contesti diversi, potenziando la loro capacità di formulare giudizi indipendenti informati.
ABILITÀ COMUNICATIVE:
Capacità di individuare e presentare il quadro empirico più adatto per l'analisi in base alla natura dei dati a disposizione, di interpretare le stime econometriche correttamente, e di
comunicare in maniera efficace i risultati dell'analisi dei dati, anche mediante grafici e tabelle.
CAPACITÀ DI APPRENDIMENTO:
Capacità di imparare autonomamente ulteriori tecniche di analisi dei dati, in attività professionali o studi successivi, raggiunta attraverso l'analisi di metodi econometrici
applicati in economia, finanza e gestione.
Il corso fornisce un'introduzione agli strumenti utilizzati in Microeconometria Applicata perstudiare l'inferenza causale. Ha un approccio pratico, l'enfasi non è sulle dimostrazioni ma
sull'intuizione e sulle applicazioni. Il corso copre i modelli di regressione lineare, l'identificazione basata su variabili osservabili, "randomized control trials", modelli di " difference-in-differences", le variabili strumentali e (se il tempo lo permette) il "regression discontinuity design". Copriremo le basi teoriche dei metodi, e applicheremo tali nozioni
teoriche a dati dal mondo reale utilizzando il software Stata. Le sessioni su Stata saranno una componente importante del modulo. L'obiettivo è fornire agli studenti le competenze
per eseguire la preparazione dei dati e le analisi econometriche.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Conoscenza dei tipi di dati e dei fondamenti della codifica su Stata, modelli di regressione lineare, tecniche di inferenza causale.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Capacità di selezionare metodi di analisi dei dati appropriati e di analizzare le relazioni causali tra variabili in economia.
AUTONOMIA DI GIUDIZIO:
Questo corso dota gli studenti delle competenze analitiche per analizzare e interpretare i dati in modo rigoroso, consentendo loro di distinguere tra correlazione e causazione.
Applicando queste competenze a scenari del mondo reale, gli studenti sono attrezzati per valutare criticamente le affermazioni causali in contesti diversi, potenziando la loro capacità di formulare giudizi indipendenti informati.
ABILITÀ COMUNICATIVE:
Capacità di individuare e presentare il quadro empirico più adatto per l'analisi in base alla natura dei dati a disposizione, di interpretare le stime econometriche correttamente, e di
comunicare in maniera efficace i risultati dell'analisi dei dati, anche mediante grafici e tabelle.
CAPACITÀ DI APPRENDIMENTO:
Capacità di imparare autonomamente ulteriori tecniche di analisi dei dati, in attività professionali o studi successivi, raggiunta attraverso l'analisi di metodi econometrici
applicati in economia, finanza e gestione.
Prerequisiti
Analisi dei Dati e di Statistica Descrittiva, Probabilità e Inferenza. ANOVA
Programma
Regressione lineare, semplice e con regressori multipli (10 ore)
Assunzioni del modello lineare (4 ore)
Diagnostica (4 ore)
Inferenza (4 ore)
Valutazione di studi basati sulla regressione (2 ore)
Regressioni per serie storiche e previsioni (8 ore)
Effetti causali dinamici (4 ore)
Assunzioni del modello lineare (4 ore)
Diagnostica (4 ore)
Inferenza (4 ore)
Valutazione di studi basati sulla regressione (2 ore)
Regressioni per serie storiche e previsioni (8 ore)
Effetti causali dinamici (4 ore)
Testi Adottati
James H. Stock and Mark W. Watson (5a ed.). Introduzione all'Econometria
Bibliografia
James H. Stock and Mark W. Watson (5a ed.). Introduzione all'Econometria
Modalità di svolgimento
Il corso è strutturato su lezioni frontali (3 appuntamenti settimanali di 2 ore ciascuno) più 2 ore di esercitazione, per 6 settimane, durante le quali sarà fortemente incentivata la partecipazione attiva degli studenti.
Regolamento Esame
La prova scritta verte su tutto il programma trattato.
La struttura dell'esame include domande, sia di natura teorica che di natura empirica, in formato aperte, chiuse e/o a risposta multipla, volte a valutare sia la conoscenza delle nozioni teoriche fornite durante il corso, sia la capacità di applicarle a dati reali. Alcune domande includeranno rappresentazioni grafiche ed output di stima del software statistico utilizzato, al fine di valutare la comprensione delle stesse e la capacità interpretativa acquisite dallo studente.
La valutazione finale viene espressa in trentesimi. Gli studenti passano l'esame con una valutazione finale non inferiore a 18.
La struttura dell'esame include domande, sia di natura teorica che di natura empirica, in formato aperte, chiuse e/o a risposta multipla, volte a valutare sia la conoscenza delle nozioni teoriche fornite durante il corso, sia la capacità di applicarle a dati reali. Alcune domande includeranno rappresentazioni grafiche ed output di stima del software statistico utilizzato, al fine di valutare la comprensione delle stesse e la capacità interpretativa acquisite dallo studente.
La valutazione finale viene espressa in trentesimi. Gli studenti passano l'esame con una valutazione finale non inferiore a 18.