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.
ELISA FACCHETTI
Prerequisiti
Gli studenti frequentanti devono aver superato i corsi di Metodi Quantitativi I e Metodi Quantitativi II della Laurea in Business Administration and Economics, o corsi simili. È obbligatorio avere una buona comprensione di statistica di base, probabilità, inferenza statistica e dei modelli di regressione lineare multipla.
Programma
Modello di regressione lineare: regressioni bivariate e multivariate
Bias da variabile omessa, interpretazione dei coefficienti dopo l'esclusione
Eteroschedasticità e autocorrelazione
Test di ipotesi
Modello ad effetti fissi
Inferenza causale e framework degli esiti potenziali
Tecniche di inferenza causale: Esperimenti controllati randomizzati (RCT),
Difference-in-differences (DiD), variabile strumentale (IV), Regression Discontinuity Design
(RDD)
Bias da variabile omessa, interpretazione dei coefficienti dopo l'esclusione
Eteroschedasticità e autocorrelazione
Test di ipotesi
Modello ad effetti fissi
Inferenza causale e framework degli esiti potenziali
Tecniche di inferenza causale: Esperimenti controllati randomizzati (RCT),
Difference-in-differences (DiD), variabile strumentale (IV), Regression Discontinuity Design
(RDD)
Testi Adottati
Il materiale del modulo (slide, dataset, esercizi) sarà caricato sulla pagina web del corso.
Non seguiremo da vicino nessun libro di testo in particolare, ma i seguenti libri sono vivamente consigliati poiché forniscono una esposizione introduttiva degli argomenti che tratteremo:
- Angrist, J. D., & Pischke, J. S. (2009). Mostly harmless econometrics: An empiricist's companion. Princeton University Press.
- Cunningham, S. (2021) Causal Inference: The Mixtape, Yale University Press. The entire book is available online at https://mixtape.scunning.com/index.html.
- Wooldridge, J. (2019) Introductory Econometrics A Modern Approach, 7th ed. South-Western College Publishing.
Non seguiremo da vicino nessun libro di testo in particolare, ma i seguenti libri sono vivamente consigliati poiché forniscono una esposizione introduttiva degli argomenti che tratteremo:
- Angrist, J. D., & Pischke, J. S. (2009). Mostly harmless econometrics: An empiricist's companion. Princeton University Press.
- Cunningham, S. (2021) Causal Inference: The Mixtape, Yale University Press. The entire book is available online at https://mixtape.scunning.com/index.html.
- Wooldridge, J. (2019) Introductory Econometrics A Modern Approach, 7th ed. South-Western College Publishing.
Modalità di svolgimento
Il corso è strutturato su lezioni frontali (3 appuntamenti settimanali di 2 ore ciascuno), per 6 settimane, durante le quali sarà fortemente incentivata la partecipazione attiva degli studenti.
Regolamento Esame
La valutazione per questo corso comprende un esame finale scritto insieme a due problem sets su Stata, che, se completati con successo, costituiscono il 25% del voto complessivo.
Solo le consegne che soddisfano i criteri di superamento verranno conteggiate nel voto, garantendo così che gli studenti partecipino attivamente e si impegnino con il materiale. Il mancato superamento di questi problem sets comporta che l'esame finale valga per il 100% del voto totale.
L'esame finale, svolto senza l'accesso ai materiali del corso, valuta sia le conoscenze teoriche che le competenze empiriche attraverso diversi tipi domande, incluse domande aperte, a scelta multipla e domande di interpretazione dei dati che coinvolgono grafici e tabelle.
La valutazione finale viene espressa in trentesimi. Gli studenti passano l'esame con una valutazione finale non inferiore a 18.
Solo le consegne che soddisfano i criteri di superamento verranno conteggiate nel voto, garantendo così che gli studenti partecipino attivamente e si impegnino con il materiale. Il mancato superamento di questi problem sets comporta che l'esame finale valga per il 100% del voto totale.
L'esame finale, svolto senza l'accesso ai materiali del corso, valuta sia le conoscenze teoriche che le competenze empiriche attraverso diversi tipi domande, incluse domande aperte, a scelta multipla e domande di interpretazione dei dati che coinvolgono grafici e tabelle.
La valutazione finale viene espressa in trentesimi. Gli studenti passano l'esame con una valutazione finale non inferiore a 18.