ECONOMETRIA APPLICATA

Conoscenza e capacità di comprensione
Al termine del corso, lo studente conoscerà i principali metodi di stima e inferenza econometrica, le loro ipotesi e proprietà. Comprenderà l’impiego dei modelli di regressione e dei modelli per serie storiche nell’analisi dei fenomeni economici, distinguendo tra interpretazione causale e previsione.

Capacità di applicare conoscenza e comprensione
Lo studente sarà in grado di utilizzare un software econometrico per analizzare dati, stimare e valutare modelli di regressione e per serie storiche, formulare previsioni e interpretare i risultati. Attraverso le esercitazioni e il project work individuale, saprà sviluppare un’analisi empirica coerente con una domanda di ricerca economica.

Autonomia di giudizio
Lo studente saprà valutare l’adeguatezza dei dati e dei metodi rispetto alla domanda di ricerca, verificare le ipotesi dei modelli e riconoscere i limiti delle conclusioni. Queste capacità saranno sviluppate attraverso la lettura critica di studi empirici, le esercitazioni e le scelte metodologiche richieste dal project work.

Abilità comunicative
Lo studente saprà presentare metodi, risultati e limiti di un’analisi econometrica con linguaggio appropriato e comprensibile anche a interlocutori non specialisti. Tali abilità saranno sviluppate attraverso la redazione del report del project work e la sua presentazione e discussione orale.

Capacità di apprendimento
Lo studente saprà approfondire autonomamente metodi econometrici e strumenti software, utilizzando testi, documentazione e studi empirici. Il project work favorirà la capacità di individuare le conoscenze necessarie per affrontare nuovi problemi di analisi dei dati economici.

L’insegnamento prevede lezioni frontali, esercitazioni con software econometrico e attività guidate dedicate al project work individuale. Le lezioni forniscono le conoscenze teoriche e metodologiche; le esercitazioni sviluppano la capacità di analizzare dati, stimare e valutare modelli e interpretare i risultati, con particolare attenzione alle serie storiche. Il project work favorisce l’applicazione autonoma dei metodi a una domanda di ricerca economica e lo sviluppo delle capacità critiche e comunicative attraverso la preparazione di un report e la discussione delle scelte metodologiche.

Per le attività pratiche, gli studenti potranno utilizzare il proprio computer portatile o i computer delle aule attrezzate.

Sono importanti conoscenze di base di statistica descrittiva, probabilità e inferenza statistica, acquisite anche nell’ambito di discipline affini.

La frequenza non è obbligatoria, ma è fortemente consigliata. La partecipazione alle lezioni, alle esercitazioni e alle attività guidate favorisce la comprensione dei metodi econometrici, l’utilizzo del software e lo sviluppo del project work individuale.

Il corso affronta i principali metodi dell’econometria applicata, integrando teoria, esercitazioni con software econometrico e un project work individuale. Il programma si articola in sei parti:

1. Fondamenti: ruolo dell’econometria e richiami di probabilità e statistica.

2. Regressione lineare: regressione semplice e multipla, stima, inferenza e diagnostica.

3. Specificazione e valutazione dei modelli: non linearità, interazioni e applicazioni empiriche.

4. Estensioni della regressione e inferenza causale: dati panel, modelli con variabile dipendente binaria, endogeneità, variabili strumentali, esperimenti e quasi-esperimenti.

5. Previsione e serie storiche: predizione con molti regressori, modelli autoregressivi e dinamici, effetti causali dinamici, modelli VAR, non stazionarietà, cointegrazione e modelli VECM.

6. Project work: formulazione di una domanda di ricerca, analisi dei dati, specificazione, stima e validazione di un modello econometrico, interpretazione dei risultati e redazione di un report.

Programma dettagliato

Il testo di riferimento è

-        J.H. Stock & M.W. Watson, “Introduzione all’Econometria”, Pearson – Prentice Hall, Milano. Ch. 1-17

In alternativa

• J.H. Stock & M.W. Watson, “Introduction to Econometrics - Global Edition”, Pearson – Prentice Hall
• R.C. Hill, W.E. Griffiths & G.C. Lim, “Principi di econometria”, Zanichelli, Bologna

La verifica dell’apprendimento avviene attraverso una prova orale obbligatoria, dedicata alla presentazione e discussione di un lavoro individuale di analisi econometrica su un tema concordato con il docente. L’elaborato deve essere consegnato almeno tre giorni prima dell’appello d’esame. Durante la discussione, lo studente dovrà motivare le scelte metodologiche, interpretare i risultati e illustrarne i limiti, facendo riferimento ai contenuti del corso.

Il voto finale, espresso in trentesimi, deriva dalla valutazione complessiva dell’elaborato e della discussione orale. Si considerano la coerenza tra domanda di ricerca, dati e modello; la correttezza dell’analisi; la capacità di interpretare criticamente i risultati; l’autonomia di giudizio; la chiarezza espositiva e la padronanza del linguaggio econometrico. Per superare l’esame è necessario dimostrare una conoscenza almeno sufficiente dei metodi utilizzati e saperne spiegare l’applicazione e i risultati.

A garanzia di pari opportunità e nel rispetto delle leggi vigenti, gli studenti interessati possono chiedere un colloquio personale in modo da programmare eventuali misure compensative e/o dispensative, in base agli obiettivi didattici e alle specifiche esigenze. È possibile rivolgersi anche al docente referente CInAP (Centro per l’integrazione Attiva e Partecipata – Servizi per le Disabilità e/o i DSA) del proprio Dipartimento (https://www.cinap.unict.it/content/referenti).

Le seguenti domande sono rappresentative della discussione del project work:

1. Qual è la domanda di ricerca e perché i dati e il modello scelti sono adatti ad affrontarla?

2. Come si interpretano i coefficienti stimati e la loro significatività statistica ed economica?

3. Quali ipotesi sono necessarie per la validità delle stime e dell’inferenza? Come ne ha verificato la plausibilità?

4. I risultati consentono un’interpretazione causale? Quali problemi di endogeneità potrebbero emergere?

5. Se il lavoro utilizza serie storiche, come ha affrontato la stazionarietà, la scelta dei ritardi e l’eventuale autocorrelazione degli errori?

6. Se il lavoro ha finalità previsive, come ha valutato l’accuratezza delle previsioni?

7. Quali sono i principali limiti dell’analisi e come potrebbero essere affrontati?