 |
Barbara PISTORESI
Professore Associato
Dipartimento di Economia "Marco Biagi"
|
Insegnamento: Analisi dei dati per l'economia
Economia e finanza (Offerta formativa 2020)
Obiettivi formativi
L’obiettivo del corso è di fornire un’introduzione di base all’econometria e piu' in generale all'analisi di dati economici e finanziari. L’insegnamento introduce all’analisi di regressione semplice e multipla, inoltre propone alcuni approfondimenti ed estensioni del modello di base. Particolare attenzione viene data alla capacità degli studenti di applicare i concetti appresi attraverso lo svolgimento di analisi di regressione da condursi su banche dati che permettono di coprire un’ampia gamma di problemi (stima del rischio sistemico e rischio diversificabile di un titolo; analisi del mercato immobiliare e stima delle determinanti dei prezzi abitativi; stima delle curva dei tassi di interesse e delle aspettative dell’andamento economico; stima delle determinanti della domanda di liquidita’ delle famiglie; venture capital e crescita economica; effetto reddito e sostituzione nelle curve di domanda; politiche di prezzo e di marketing (es. investimento in pubblicita') e loro effetti sulle vendite; stima del rendimento dell’istruzione; valutazione dei differenziali di genere nelle retribuzioni; spesa per consumi e struttura famigliare; valutazione della sostenibilita' del debito tra tassi di interesse e crescita economica). Per sviluppare gli argomenti trattati si farà anche uso del software econometrico Gretl. A tale scopo sara' possibile accedere al laboratorio virtuale di Unimore.
Prerequisiti
Prerequisiti: Il corso si basa su elementi di statistica che si danno per acquisiti.
Programma del corso
1.Cos’è l’econometria. I diversi tipi di dati economici: cross section, dati longitudinali, serie storiche. La nozione di causalità nella relazione tra variabili.
2.Il modello di regressione lineare semplice. Proprietà di base del modello. Minimi quadrati. Proprietà algebriche dello stimatore dei m.q.. Scelta dell’unità di misura e della forma funzionale per la relazione tra variabile dipendente ed indipendente. Proprietà statistiche dello stimatore dei m.q..
3.Il modello di regressione multipla. Interpretazione dei coefficienti, distorsione da variabile omessa, valore atteso e varianza degli stimatori ols, multicollinearità, teorema di Gauss-Markov.
4.L’inferenza nel modello di regressione multipla. Test t di ipotesi (dopo il ripasso del test di ipotesi sulla media), p-value, intervallo di confidenza, test F.
5.Selezione del modello: SER (errore standard della regressione), corretto e criteri di informazione (AIC e BIC). Esempi e applicazioni in Gretl
6. Proprieta’ dello stimatore MQO ed eteroschedasticita’. Cosa significa questo in pratica. Test di White. Correzione per l’ eteroschedasticita’: stima degli errori standard robusti; uso dei logs; uso dello stimatore GLS (cenni). Esempi. Applicazioni in Gretl.
7.Regressione con variabili dummy. Esempi e applicazioni in Gretl
8.Regressioni non lineari: funzioni non lineari di una singola variabile indipendente. Polinomi. Logaritmi (modello lin-log; log-lin, log- log). Esempi e applicazioni in Gretl
9.Regressioni non lineari: interazioni tra variabili indipendenti. Interazioni tra due variabili dummy; interazioni tra una dummy ed una variabile continua; interazioni tra variabili continue. Esempi e applicazioni in Gretl
Metodi didattici
Il corso prevede lezioni in streaming con contenuti sia teorici che applicati. Per quanto riguarda questi ultimi, si fa uso del software econometrico Gretl per le elaborazioni econometriche e in parte di Excel per la gestione delle banche dati. Le lezioni saranno in streaming (modalita' sincrona), ma saranno rese anche disponibili in modalita' asincrona. Le lezioni, esercizi svolti, esempi di esami e altro materiale saranno disponibili sulla piattaforma Dolly.
Testi di riferimento
- C. Hill, W. E. Griffiths, G. C. Lim, Principi di econometria, Zanichelli.
Verifica dell'apprendimento
Per la verifica dell' apprendimento: frequenza alle lezioni in streaming, interventi, svolgimento diretto di esercizi e loro discussione collettiva con condivisione dei risultati ottenuti ecc.
Infine, e' prevista una prova scritta di 1 ora da svolgere da remoto usando la piattaforma Dolly. Tale prova prevedera' problemi di analisi empirica da risolvere usando Gretl.
Risultati attesi
Seguendo i 5 descrittori di Dublino:
1 Conoscenza e capacita' di comprensione. Tramite lezioni teoriche, esercitazioni guidate, esercitazioni autonome e discussioni collegiali dei risultati lo studente apprende le tecniche statistiche di base da applicare ai dati economici.
2 Capacita' di applicare conoscenza e comprensione. Tramite esecitazioni in cui si utilizza un software econometrico Gretl, lo studente riesce a gestire banche dati con cui stimare i parametri dei modelli economici, sottoporre tali modelli a test, prevedere le variabili economiche, e infine puo' condurre un'analisi di politica economica.
3 Autonomia di giudizio nel valutare criticamente le esercitazioni ai punti 1 e 2.
4. Abilita' comunicative. La presentazione in aula virtuale dei risultati ottenuti dalle elaborazione al computer organizzate anche in forma scritta (esempio presentazione dei risultati in tabelle), aiuta lo studente ad argomentare in modo efficace e conciso la scelta fatta delle tecniche statistiche piu' appropriate al tipo di problema analizzato, la sua capacita' di presentazione dei risultati e infine la discussione collegiale aiuta la valutazione critica del lavoro fatto.
5. Capacita' di apprendimento. Le attivita' sopra descritte consentono allo studente di acquisire gli strumenti econometrici di base per l' elaborazione dei dati economici. Tali competenze saranno utili per proseguire gli studi, per affrontare corsi piu' avanzati di econometria e di analisi dei dati o per affrontare in modo autonomo l'analisi quantitativa che potrebbe venir richiesta in corsi di economia e finanza o in una tesi di laurea.