ECONOMETRIA APPLICATA

1.       Conoscenza e capacità di comprensione (knowledge and understanding): Conoscenza e capacità di comprensione dei principi di stima econometrica; Conoscenza degli stimatori e delle loro proprietà; Conoscenza dei metodi per la verifica delle ipotesi.

2.       Capacità di applicare conoscenza e comprensione (applying knowledge and understanding): Le conoscenze dovranno essere applicate all’analisi di regressione multipla. Lo studente dovrà essere in grado di interpretare correttamente i risultati di un'analisi di regressione presentata in lavori di ricerca scientifica, nonché di svolgere egli stesso -in autonomia- analisi di regressione, per la elaborazione e validazione di un modello econometrico.

3.       Autonomia di giudizio (making judgements): Lo studente dovrà essere in grado di capire significato, ruolo e limiti di un modello econometrico, nonché significato, ruolo e limiti di esercizi di stima econometrica a supporto di modelli economici.

4.       Abilità comunicative (communication skills): Lo studente dovrà essere in grado di illustrare, sia a interlocutori “specializzati”, sia a interlocutori “non addetti ai lavori” il senso delle stime econometriche, sia quando esse sono presentate a corredo di una ricerca svolta da altri, sia quando egli ne è l'Autore.

5.       Capacità di apprendimento (learning skills): Comprensione piena del ruolo dei modelli econometrici e delle proprietà dei diversi stimatori, e delle ipotesi che ne stanno alla base: comprensione dei riferimenti teorici appropriati quando si svolge un esercizio di stima econometrica.

Lezioni frontali (con utilizzo di lavagna, slide e proiezioni di output da software econometrici) - 70%. Esercitazioni guidate dal docente, con l'utilizzo di software econometrico (gli studenti potranno utilizzare un proprio pc portatile o i computer delle aule attrezzate) - 30%.

La conoscenza del contenuto degli insegnamenti di Statistica e Statistica economica o affini è un pre-requisito di fatto.

Contenuti del corso

PROGRAMMA – (Parte I) Fondamenti; (Parte II) Regressione lineare; (Parte III) Problemi di specificazione e identificazione; (Parte IV) Estensioni della regressione; (Parte V) Predizione, serie storiche e sistemi dinamici; (Parte VI) Project work. APPLICAZIONI – Costruzione e validazione di un modello econometrico: (a) Svolgimento di esercizi empirici proposti dai testi di riferimento e dal docente; (b) lettura critica delle parti di stima econometrica contenute in articoli scientifici pubblicati sulle principali riviste scientifiche in ambito economico; (c) elaborazione e stima di un modello econometrico da parte di ciascuno studente.

Programma dettagliato

Parte I – Fondamenti

Introduzione

• Lezione 1: Ruolo dell’econometria nel carattere scientifico dell’economia.
• Lezione 2: Breve storia dell’econometria
• Lezione 3: Ripasso di probabilità
• Lezione 4: Ripasso di statistica

Parte II – Regressione lineare

Regressione lineare semplice

• Lezione 5: Modello di regressione lineare semplice
• Lezione 6: Inferenza nella regressione lineare semplice
• Lezione 7: Introduzione a STATA e prime esercitazioni software

Regressione multipla

• Lezione 8: Regressione multipla e interpretazione ceteris paribus
• Lezione 9: Inferenza nella regressione multipla
• Lezione 10: Diagnostica del modello di regressione multipla

Parte III – Problemi di specificazione e identificazione

Specificazione funzionale e valutazione della regressione

• Lezione 11: Funzioni di regressione non lineari
• Lezione 12: Interazioni tra variabili
• Lezione 13: Come si valuta una regressione

Applicazioni empiriche e recap della prima parte

• Lezione 14: Applicazione empirica al dataset CASCHOOL
• Lezione 15: Applicazione empirica al dataset MCAS e recap complessivo della prima parte del corso

Parte IV – Estensioni della regressione: panel, variabili dipendenti binarie, endogeneità e causal inference

Dati panel

• Lezione 16: Dati panel
• Lezione 17: Fixed Effects
• Lezione 18: Time fixed effects

Variabili dipendenti binarie

• Lezione 19: Modelli con variabile dipendente binaria
• Lezione 20: Modelli logit e probit

Endogeneità e variabili strumentali

• Lezione 21: Endogeneità
• Lezione 22: Stima IV e 2SLS

Esperimenti e quasi-esperimenti

• Lezione 23: Esperimenti
• Lezione 24: Quasi-esperimenti

Parte V – Predizione, serie storiche e sistemi dinamici

Predizione con molti regressori

• Lezione 25: Predizione e causalità
• Lezione 26: Ridge, lasso, cross-validation e principal components

Serie storiche univariate e forecasting

• Lezione 27: Introduzione alle serie storiche
• Lezione 28: Modelli autoregressivi e regressioni dinamiche e previsioni

Effetti causali, sistemi dinamici, VAR

• Lezione 29: Effetti causali e sistemi dinamici
• Lezione 30: Modelli VAR
• Lezione 31: Non stazionarietà e cointegrazione, modello VECM 

Parte VI – Project work

• Lezione 32: Struttura di un lavoro empirico e laboratorio guidato sul project work

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 prova d'esame tende ad accertare il raggiungimento degli obiettivi formativi e si svolge attraverso:

-        prova scritta obbligatoria (sugli aspetti teorici ed eventuali esercizi numerici) e successiva prova orale obbligatoria avente ad oggetto la presentazione e discussione di un lavoro individuale di stima econometrica.

Nella prova scritta, lo studente deve rispondere a due delle 4 domande proposte.

Il lavoro individuale di stima econometrica va consegnato al docente contestualmente allo svolgimento della prova scritta; il contenuto consiste nella stima econometrica di un modello, concordato col docente.