-
Lingua Insegnamento:
Italiano
-
Testi di riferimento:
Appunti del corso.
Wooldridge, J. (2013) Introductory Econometrics, a Modern Approach,
Cengage
Kleiber C. Zeileis A. (2008) Applied Econometrics with R, Springer, UseR!
series
Kelejian H. Piras G. (2017) Spatial Econometrics, Elsevier
Materiale addizionale segnalato durante il corso per approfondire alcuni
argomenti. -
Obiettivi formativi:
L'insegnamento di Econometria ha lo scopo di contribuire al processo
formativo dello studente fornendo strumenti indispensabili per
comprendere ed analizzare dati economici. A sua volta, l’analisi e la
comprensione dei suddetti dati permetterà allo studente di prendere
decisioni razionali su una moltitudine di problemi economici ed econometrici a vari livelli.
Il corso intende fornire le conoscenze metodologiche e applicative di base
dell’econometria utilizzando esempi collegati a problemi reali. Gli esempi
saranno svolti sul pacchetto statistico RStudio.
Al termine del corso lo studente sarà in grado di applicare le conoscenze
acquisite durante il corso per risolvere complessi problemi economici. -
Prerequisiti:
Un corso di statistica inferenziale e rudimenti di probabilità.
-
Metodi didattici:
Lezioni ed esercitazioni periodiche anche in gruppo con l’ausilio del software RStudio
-
Modalità di verifica dell'apprendimento:
La valutazione dei risultati di apprendimento sarà effettuata mediante un esame scritto e un colloquio orale. L’esame scritto, che copre l’intero programma del corso, è strutturato in due sezioni: una sezione di domande teoriche e una sezione da svolgere utilizzando il software RStudio. La prova scritta ha l’obiettivo di accertare la comprensione dei contenuti del corso e di verificare le competenze informatiche relative alla stima dei modelli e all’esecuzione dei test. La prova orale è finalizzata ad approfondire la capacità dello studente di individuare le connessioni tra i diversi elementi del corso e di selezionare, in ogni caso, le metodologie più adeguate per la risoluzione dei problemi econometrici presentati. I risultati delle due prove, espressi in trentesimi, saranno combinati per determinare il voto finale. Il voto finale consisterà nella somma dei due terzi del risultato ottenuto nella prova scritta e di un terzo del risultato ottenuto nella parte orale.
-
Obiettivi Agenda 2030 per lo sviluppo sostenibile:
Nel corso vengono presentati alcuni esempi pratici legati agli obiettivi di
Sviluppo Sostenibile dell'Agenda ONU 2030. In particolare, nel corso
vengono affrontate questioni legate agli obiettivi:
-Obiettivo 8: Incentivare una crescita economica duratura, inclusiva e
sostenibile, un’occupazione piena e produttiva ed un lavoro dignitoso per
tutti -
Altre Informazioni:
e-mail: gianfranco.piras@unich.it
Ricevimento: Mercoledì 16-18
Per il ricevimento lo studente deve contattare il docente al precedente indirizzo email.
1. La natura dell’ Econometria e tipologie di dati economici
2. Il Modello di Regressione Semplice e metodi di stima: OLS, MM, ML
3. Il Modello di Regressione Multipla: Inferenza Statistica e Test di Ipotesi
4. Forma Funzionale del Modello di Regressione.
5. Regressione con Variabili Dummy
6. Introduzione alle variabili strumentali
6. Introduzione ai modelli spaziali
7. Introduzione ai dati panel
8. Introduzione all’utilizzo di R ed elementi base di programmazione
1. Che cosa è l’Econometria e fasi di una analisi empirica.
2. Struttura dei dati economici:
- cross section,
- serie storiche
- dati longitudinali
3. Definizione e derivazione del modello lineare semplice:
- Proprietà del metodo dei minimi quadrati (OLS).
- Unità di misura e forma funzionale.
- Valore atteso e varianza dello stimatore OLS.
4. Definizione e derivazione del modello lineare multiplo:
- Meccanismo e interpretazione dei coefficienti
- Confronto tra il modello semplice e quello multiplo.
- Valore atteso e varianza dello stimatore OLS.
- Il teorema di Gauss-Markov e l’ efficienza dello stiamatore OLS.
5. Inferenza del modello di regressione lineare
- Test di ipotesi su un singolo coefficiente
- Test di ipotesi su una combinazione lineare dei coefficienti
- Test F
6. Ulteriori argomenti del modello di regressione multipla
- Effetto di scaling dei dati
- Forma funzionale:
- uso dei logaritmi
- forme quadratiche
- modelli con interazioni di variabili.
7. Regressione lineare con dummy variables:
- modelli con una dummy,
- modelli con più di una dummy,
- linear probability model (LPM)
8. Eteroschedasticità
- Test di Breusch-Pagan e test di White
- Matrice di varianza-covarianza robusta
9. Introduzione al metodo delle variabili strumentali.
10. Introduzione ai modelli panel
11. Introduzione ai modelli spaziali: spatial lag model
Scopri cosa vuol dire essere dell'Ud'A
SEDE DI CHIETI
Via dei Vestini,31
Centralino 0871.3551
SEDE DI PESCARA
Viale Pindaro,42
Centralino 085.45371
email: info@unich.it
PEC: ateneo@pec.unich.it
Partita IVA 01335970693
