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