Nuova ricerca

Barbara PISTORESI

Professore Associato
Dipartimento di Economia "Marco Biagi"

Insegnamento: Introduzione all'econometria

Economia e finanza (D.M.270/04) (Offerta formativa 2022)

Obiettivi formativi

L’obiettivo del corso è di fornire un’introduzione di base all'analisi dei dati. L’insegnamento introduce all’analisi di regressione univariata e multivariata, 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 (in laboratorio informatico) da condursi su banche dati che permettono di coprire un’ampia gamma di problemi (stima dei seguenti modelli: CAPM, struttura a termine dei tassi di interesse, effetto reddito ed effetto sostituzione nelle funzioni di domanda di beni, rendimento dell’istruzione, differenziali di genere nelle retribuzioni, determinanti del prezzo degli immobili, spesa per consumi e struttura famigliare, tassazione e domanda di alcolici, tasso di mortalita’ stradale ed efficacia delle leggi sulla guida in stato di ebrezza ecc.). Per sviluppare gli argomenti trattati si farà anche uso del software Gretl.
Al termine del corso gli studenti saranno in grado di riconoscere quali siano le metodologie statistiche più adatte per un particolare problema empirico, anche in base alla natura dei dati disponibili, ad interpretare i risultati di stima, e a giudicarne la validità interna ed esterna.

Prerequisiti

Prerequisiti: Il corso si basa su elementi di statistica che si danno per acquisiti.

Programma del corso

CFU di didattica frontale e relative ore di lezione previste per ciascuna attività del programma. Per ogni Credito Formativo Universitario sono previste 8 ore di didattica frontale e 17 ore di studio autonomo di studenti e studentesse. Dunque, un CFU equivale ad un impegno standard di studio pari a 25 ore.

1CFU (8 ore)
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 MQO.
1CFU (8 ore)
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.
1CFU (8 ore)
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.
1CFU (8 ore)
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.
1CFU (8 ore)
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
1CFU (8 ore)
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

L'insegnamento si svolge in presenza ed è erogato in lingua italiana. Il metodo didattico si basa su: (a) lezioni frontali con contenuti sia teorici che applicati supportati materiale didattico (slides, esercizi, etc,) e registrazioni delle lezioni (b) esercitazioni al computer con uso di software statistico, in cui si sviluppa la capacità di applicare le conoscenze acquisite. Le esercitazioni riguarderanno contesti economici e aziendali di vario genere che emergono anche come casi studio negli altri corsi del piano di studi. Il software statistico sarà disponibile nel laboratorio virtuale di UNIMORE e/o scaricabile nel computer personale del singolo studente.
Costituiscono quindi parte integrante del corso le esercitazioni sull’uso del pacchetto statistico e la discussione settimanale degli esercizi assegnati. Nello svolgimento dell’insegnamento, sia nelle lezioni frontali che nelle esercitazioni, agli studenti frequentanti viene sempre richiesta una partecipazione attiva, attraverso interventi singoli e con discussioni collettive sui temi oggetto di studio. La partecipazione attiva è richiesta anche durante le attività seminariali con esperti, ricercatori e rappresentanti del mondo del lavoro che interverranno per mostrare come applicare in contesti lavorativi le tecniche di analisi empirica previste nel corso.
Per coloro che non potessero frequentare, verrà reso disponibile il materiale relativo alle lezioni, esercitazioni e le registrazioni appena possibile e in linea con le decisioni relative alla erogazione della didattica di UNIMORE e il regolamento del CdS. Potrebbe anche essere richiesta una interazione da remoto per esercitazioni o presentazioni.

Testi di riferimento

- C. Hill, W. E. Griffiths, G. C. Lim, Principi di econometria, Zanichelli.

Verifica dell'apprendimento

Per la verifica dell' apprendimento si tiene conto della partecipazione alle lezioni: frequenza, interventi, svolgimento diretto di esercizi e loro discussione collettiva con presentazioni dei risultati ottenuti.
Infine e' prevista una prova scritta di 1 ora. Tale prova prevedera' domande teoriche e problemi di analisi empirica con o senza l' uso di 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, 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 o gestione aziendale.
3 Autonomia di giudizio nel valutare criticamente le esercitazioni ai punti 1 e 2.
4. Abilita' comunicative. La presentazione in aula 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 più 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 o per affrontare in modo autonomo l'analisi quantitativa che potrebbe venir richiesta in corsi di economia o in una tesi di laurea.