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.
Learning Objectives
LEARNING OUTCOMES:
The course provides an introduction to the tools used in Applied Microeconometrics to study causal inference. It has a practical flavor, emphasis is not on proofs but on intuitions
and on applications. The course covers linear regression models, identification based on observables, randomized control trials, difference-in-differences, instrumental variables and (time permitting) regression discontinuity design. We will cover the conceptual basis of the methods in an intuitive way, and you will learn how to apply and code such methods using the software Stata. Coding in Stata will be an important component of the module. The aim is to provide students with the skills to perform data preparation and econometric analyses.
KNOWLEDGE AND UNDERSTANDING:
Knowledge of data types and fundamentals of coding on Stata, linear regression models, causal inference techniques.
APPLYING KNOWLEDGE AND UNDERSTANDING:
Ability in selecting appropriate data analysis methods, and in analysing causal relationships among variables in economics.
MAKING JUDGMENTS:
This course empowers students with the analytical skills to rigorously analyse and interpret data, enabling them to discern between correlation and causation. By applying these skills to real-world scenarios, students are equipped to critically assess causal claims in diverse contexts, enhancing their ability to make informed, independent judgments.
COMMUNICATION SKILLS:
Ability to spot and present the most suitable empirical framework for the analysis based on the nature of the data at hand and effective communication of data analysis results, also by means of graphs and tables.
LEARNING SKILLS:
Ability to learn autonomously further data analysis techniques, in professional activities or subsequent studies, achieved through the analysis of econometric methods applied in
economics, finance and management.
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.
Prerequisites
Attending students must have passed Quantitative Methods I and Quantitative Methods II from the B.D. in Business Administration and Economics, or similar courses. A good understanding of basic statistics, probability, statistical inference and the multiple linear regression models is mandatory.
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)
Program
Linear regression model: bivariate and multivariate regressions
Omitted variable bias, partial-out interpretation of the coefficients
Heteroskedasticity and autocorrelation
Hypothesis testing
Fixed effects model
Causal inference and potential outcome framework
Causal inference techniques: Randomized Control Trials (RCT), Difference-in-differences
(DiD), instrumental variable (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.
Books
The module material (slides, datasets, exercises) will be uploaded on the course webpage.
We will not follow closely any particular textbook, but the following books are highly recommended since they provide an introductory exposition of the topics we will cover:
- 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.
Teaching methods
During the whole duration of the course (6 weeks), there will be 3 weekly classes of 2 hours each. In all appointments, an active participation to the class will be strongly encouraged.
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.
Exam Rules
The evaluation for this course comprises a final written examination along with two compulsory Stata problem sets, which, if successfully completed, constitute 25% of the overall mark.
Only submissions that meet the pass criteria will count towards the grade, ensuring that students actively participate and engage with the material. Failure to pass these sets results in the final exam counting for 100% of the entire grade.
The final exam, conducted without access to course materials, assesses both theoretical knowledge and empirical skills through a variety of question types, including open-ended, multiple-choice, and data interpretation tasks involving graphs and outputs. Grades span from 18 to 30, with any score below 18 will be recorded a Fail.
ELISA FACCHETTI
ELISA FACCHETTI
ELISA FACCHETTI
Prof.ssa Lucia Leonelli
