Richiami di probabilità e statistica. Specificazione e stima di un modello econometrico con una o più variabili indipendenti. Test di ipotesi sui singoli coefficienti e su restrizioni lineari. Violazione delle ipotesi. Modelli più avanzati (panel e variabile dipendente binaria).
Stock e Watson Introduzione all'econometria (cap. da 1 a 11) IV ed. Pearson 2016
Obiettivi Formativi
L’obiettivo del corso è quello di introdurre lo studente ai concetti e a una pratica avanzata dell'analisi econometrica, imparando ad affrontare i casi più rilevanti in cui non sono applicabili direttamente gli strumenti dell'analisi di regressione lineare classica. Tra gli esempi più rilevanti di violazione delle assunzioni classiche verranno considerati il caso di variabili dipendenti categoriche, di errori non omoschedastici, non indipendenti, non ortogonali, e di errori di misura. Gli argomenti verranno presentati facendo un uso estensivo di simulazioni monte carlo, per conseguire una migliore comprensione dei concetti discussi, e per introdurre lo studente alla pratica delle tecniche di stima e di validazione basata su modelli computazionali.
Prerequisiti
Statistica I (stima e test di ipotesi)
Metodi Didattici
Lezioni frontali con esempi svolti in classe
Altre Informazioni
Materiale aggiuntivo disponibile sulla piattaforma Moodle
Modalità di verifica apprendimento
Un esame scritto con risoluzione di problemi teorici e pratici simili a quelli indicati alla fine dei capitoli del libro e discussione orale degli stessi per verificare la maturità/preparazione dell’esaminando. Necessaria la conoscenza del software GRETL.
Programma del corso
Introduzione e richiami di probabilità e statistica
La logica della specificazione di un modello econometrico
La logica della stima e della verifica di ipotesi in statistica
Il modello lineare classico: specificazione
Il modello lineare classico: stima
Il modello lineare classico: verifica della fondatezza delle restrizioni suggerite dalla teoria
Il modello lineare classico: funzioni di regressione non lineari
Regressione con dati panel
I modelli per variabile dipendente binaria.