Aggiornato A.A. 2017-2018
Scopo del corso di Introduzione all'econometia è di fornire agli studenti gli strumenti matematici e statistici necessari ad effettuare un analisi statistica di dati economici, sia sezionali che di tipo panel, e di essere in grado di interpretarne i risultati
Dopo un breve richiamo dei concetti fondamentali di calcolo delle probabilità e statistica, il corso introduce il concetto di analisi degli effetti causali di una o più variabili su un fenome di interesse, e il problema della sua identificazione e stima.
Il corso si soffermerà principalmente sul modello di regressione lineare e sui suoi metodi di stima. In tale ambito, sarà introdotto lo stimatore dei minimi quadrati ordinari, (MQO, o OLS, dall'inglese Ordinary Least Squares), ne saranno studiate le proprietà e le necessarie assunzioni.
Successivamente, il corso si soffermerà sulle conseguenze della caduta di una o più delle assunzioni OLS. Gli studenti impareranno così a capire quando le stime OLS del modello di regressione non possono essere considerate valide o affidabili. In tale contesto, saranno introdotti modelli alternativi, come i modelli nonlineari, nei regressori o nella variabile dipendente, e metodi di stima alternativi, come lo stimatore alle variabili strumentali (IV), o dei minimi quadrati a due stadi (2SLS).
Al termine del corso gli studenti imparano a capire quali sono le metodologie statistiche più adeguate per l’analisi di dati economici, anche in base alla natura stessa dei dati, ad interpretare i risultati di stima ottenuti e a giudicarne la validità interna od esterna, al fine di poter estendere i risultati ad altri settori/ambiti o ad altri contesti.
Durante il corso, saranno svolte esercitazioni nel quale gli studenti verranno introdotti ad un software statistico open source (R o Gretl). Avranno modo di esercitarsi utilizzando dei veri dataset, che saranno forniti durante il corso.
Inoltre, come parte dell'esame finale, agli studenti sarà richiesta la preparazione di un lavoro empirico. Il lavoro sarà svolto in gruppi, e costituirà una parte rilevante (circa il 30%) del voto finale. L'argomento della tesina sarà da concordare con il docente.
In questo modo, gli studenti potranno migliorare la loro capacità operativa nella gestione, rappresentazione, e utilizzo dei dati. La preparazione del lavoro empirico, in piccoli gruppi, aiuterà a migliorare le capacità comunicative, organizzative e l'autonomia dei singoli studenti.
Nozioni di statistica inferenziale e elementi di probabilità saranno considerate come prerequisiti fondamentali
Argomenti del corso:
1. Introduzione.
2. Richiami di probabilita e statistica.
3. Regressione lineare con un singolo regressore.
4. Regressione con un singolo regressore: veri ca di ipotesi e intervalli di con denza.
5. Regressione lineare con regressori multipli.
6. Veri ca di ipotesi e intervalli di con denza nella regressione multipla.
7. Funzioni di regressione nonlineari.
8. Valutazione di studi basati sulla regressione multipla.
9. Regressione con dati panel.
10. Regressione con variabile dipendente binaria.
11. Regressione con variabili strumentali.
12. Esperimenti e quasi esperimenti.
Riferimenti bibliogra ci
Il testo di riferimento è: Stock J.H. e Watson M.W. (2012), Introduzione all'Econometria (terza edizione), Pearson Education Italia.
Altro materiale e le slide delle lezioni saranno rese disponibili durante il corso.
Altri utili riferimenti bibliogra ci sono:
Franses P.H. (2004), Breve Introduzione all'Econometria, Il Mulino.
Peracchi F. (1995), Econometria, McGraw-Hill Italia.
Verbeek M. (2006), Econometria, Zanichelli.
Wooldridge J.M. (2009), Introductory Econometrics. A Modern Approach (4th Ed.), South-Western Cengage Learning.
Aggiornato A.A. 2017-2018
The course enables students to perform a statistical analysis of economic data, both cross-sectional or panel, and to interpret its results.
After a brief review of fundamental concepts of Statistics and Probability, the course introduces the linear regression model, simple and multivariate, and presents the ordinary least squares estimator (OLS), its statistical properties and the underlying assumptions.
Further, the failure of one or more assumptions of the OLS are considered and alternative model specifications or different estimation methods are introduced, to cope with cases when either the linear model is incorrect or the OLS estimator does not provide reliable estimates for the available data.
Students are expected to learn to apply the statistical techniques that are appropriate to the economic question that motivates the analysis and to the the nature of the data.
The will learn to interpret the results and to ascertain their internal or external validity.
During the course students are introduced to an open source and free cross-platform software package for econometric analysis (either R or Gretl).
Using the software and real datasets, students will learn to produce descriptive statistics tables, to represent graphs of the results of the analysis and to tabulate the estimates of a regression analysis.
As part of the final exam, student must present a report (in groups of max 3 students), where they are requested to perform an econometric analysis. In this work, they will conduct a complete analysis, starting from the motivating economic question, and from the introduction of the data used, their description and the econometric model chosen for the analysis. Alternatively, they can be asked to reproduce the results of influential applied econometric papers. Approximately the 30% of the final grade will be based on the empirical analysis.
This exercise, together with the practical sessions during the course, will allow students to learn how to produce, read and interpret tables and graphics.
Students will improve both their practical skill in working with real data and their theoretical understanding of what data actually say, and why. These abilities will provide both improve students' autonomy and accuracy in future working experiences.
The textbook is: Stock J.H., Watson M.W. - Introduzione all’econometria, 3a Edizione (Introduction to Econometrics).
Slides and supplementary material will be available trhough this website during the course.
Please remind that fundamentals of probability and statistics are expected to be well known.
Prof.ssa Lucia Leonelli
