Facoltà di Economia

Lucia LeonelliProf.ssa Lucia Leonelli
Preside della Facoltà

La Facoltà di Economia dell'Università degli Studi di Roma "Tor Vergata" è un centro di formazione e di ricerca di eccellenza, riconosciuto a livello nazionale ed internazionale, ed è costituito da due dipartimenti: Economia e Finanza e Management e Diritto.

Continua a leggere la presentazione della Facoltà


La Facoltà di Economia è costituita dai dipartimenti:

Dipartimento di Economia e Finanza

Prof. Alberto Iozzi
Direttore

Dipartimento di Management e Diritto

Prof.ssa Martina Conticelli
Direttore

Iscrizioni e Trasferimenti

In questa sezione trovi tutte le informazioni di cui hai bisogno per accedere alla nostra offerta formativa (bandi, test di ammissione, borse di studio, residenze e alloggi...)
Il tuo futuro comicia da qui!

Terza Missione

La Facoltà di Economia, da sempre impegnata a favore della crescita del tessuto socioeconomico italiano e nella cooperazione internazionale, declina la sua Terza missione impegnandosi in una ricerca di eccellenza utile a fini produttivi, capace di contribuire all’avanzamento della conoscenza, dei saperi culturali, scientifici e tecnologici atti a migliorare il benessere della società, attraverso una formazione di qualità, la creazione di partnership istituzionali e progetti con le imprese e per il territorio, il supporto della proprietà intellettuale e dell’imprenditorialità, il placement dei propri laureati, la promozione di iniziative volte a garantire sviluppo sostenibile, innovazione sociale, civic engagement e resilienza.

Scopri di più...

Syllabus

Aggiornato A.A. 2021-2022

Aggiornato A.A. 2021-2022

Attending students from the B.D. in Business Administration and Economics must have passed Quantitative Methods I and Quantitative Methods II (or similar courses). A good understanding of multiple linear regression models is mandatory.

Detailed of topics:

  • Introduction to the R software
  • Categorical data analysis: multi-way tables, distributions.
  • Principles of causal analysis: selection, bias, confounding. Confounders, colliders, mediators. Simpson's Paradox
  • Binary outcome regression models: Linear probability model, Logit and Probit.
  • Multinomial ouctome regression: Multinomial Logit.
  • Count outcome regression models: Poisson regression and Overdispersion.
  • Instrumental Variables.
  • Panel data models and estimators.
  • Introduction to supervised learning: classification trees and random forests.