-
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 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 R.
Al termine del corso lo studente sarà in grado di applicare le conoscenze
acquisite per risolvere complessi problemi economici. -
Prerequisiti:
Un corso di statistica di base e rudimenti di probabilità.
-
Metodi didattici:
Lezioni, esercitazioni periodiche anche con l’ausilio del software R
-
Modalità di verifica dell'apprendimento:
La verifica dei risultati di apprendimento sarà effettuata tramite un
esame scritto e orale. L’esame scritto riguarda tutto il programma svolto
e consiste di una parte di domande teoriche e una parte da svolgere sul
software R. -
Sostenibilità:
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. Correlazione cross-section e introduzione ai modelli spaziali
7. Introduzione ai dati panel
8. Introduzione all’utilizzo di R e 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 e 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. Introduzione ai modelli spaziali
- Definizione della matrice dei pesi
- Specificazione di modelli spaziali: SARAR, LAG, ERROR, MIXED ecc.
- Metodi di stima per i modelli spaziali: Variabili Strumentali e massima verosimiglianza
9. Modelli Panel: pooled, effetti fissi ed effetti random
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
