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