Insegnamento mutuato da: B020842 - ECONOMETRICS LAB Laurea Magistrale in ECONOMICS AND DEVELOPMENT- ECONOMIA POLITICA E SVILUPPO ECONOMICO Curriculum DEVELOPMENT ECONOMICS
Lingua Insegnamento
Inglese
Contenuto del corso
Analisi di modelli panel lineari e non lineari con applicazioni pratiche ed interpretazione dei risultati.
Modelli e tecniche per l'analisi di dati cross-section in microeconomia e finanza: binari, di conto, di durata e multinomiali. Nel corso si introdurranno tecniche di stima basate sul metodo generalizzato dei momenti. Particolare attenzione sarà rivolta all'analisi empirica ed alla replicazione di risultati pubblicati.
Wooldridge J.M. (2010) Econometric Analysis of cross-section and panel data, The MIT Press.
Cameron, A.C. and P. K. Trivedi (2005) "MICROECONOMETRICS: Methods and Applications", Cambridge University Press, New York.
Articoli di ricerca e materiale didattico forniti dal docente.
Obiettivi Formativi
Scopo del corso e' familiarizzare gli studenti agli strumenti della ricerca applicata. Si svilupperanno elementi di programmazione specifici alla stima dei modelli.
Gli studenti saranno in grado di selezionare la tecnica modellistica piu' appropriata per una varieta' di tipi di dati, condurre controlli di robustezza, test statistici, interpretare e discutere I risultati empirici con riferimento alle implicazioni per le teorie economiche e statistiche.
Prerequisiti
Econometria a livello introduttivo, Moduli Microeconometrics e Macroeconometrics
Metodi Didattici
Approccio applicativo. Lezioni frontali seguite da esempi applicativi (riproduzione di risultati empirici pubblicati).
Altre Informazioni
Materiale aggiuntivo sulla piattaforma Moodle
Modalità di verifica apprendimento
Un paper applicativo su un argomento scelto dallo studente e dall'istruttore.
(2 papers per studente).
Programma del corso
Analisi di dati longitudinali: definizioni, stimatori Effetti Fissi ed Effetti Casuali, Linear mixed regression models con effetti fissi e casuali. Modelli di regressione non-lineari per osservazioni categoriche ripetute. Applicazioni pratiche su software statistico.
Nella seconda parte:
1. Massima Verosimiglianza: principi, proprietà, meccanica, Test Principles.
2. Modelli per dati binari: funzioni di link, interpretazione risultati, specificazione a variabili latenti, analisi di verosimiglianza.
3. Modelli per dati di conto: regressioni Poisson, analisi di verosimiglianza, Over Dispersion: Binomiali Negative di Tipo I e II.
4. Modelli per dati di durata: funzioni Survival e Hazard, analisi di verosimiglianza.
5. Metodo Generalizzato dei Momenti: momenti, identificazione, variabili strumentali, metodo dei momenti; GMM: stima, consistenza, distribuzione asintotica, efficienza.
6. Modelli per dati multinomials: Logit multinomiale, Nested Logit, Probit Multinomiale.