Programma

Il corso affronta l’econometria e la modellizzazione statistica, partendo da richiami di algebra delle matrici e di teoria della stima. Si introduce il modello di regressione lineare classico, analizzandone le ipotesi, la stima dei parametri tramite minimi quadrati ordinari (OLS) e il teorema di Gauss-Markov.
Segue l’approfondimento della massima verosimiglianza, dei test sui parametri e delle tecniche per gestire la violazione delle ipotesi del modello (eteroschedasticità, autocorrelazione, multicollinearità, errori di misura). Vengono introdotti i minimi quadrati generalizzati, i test diagnostici, e le soluzioni con variabili strumentali.
Il corso prosegue con lo studio della previsione lineare, dell’errata specificazione del modello e dell’uso di variabili dummy per analizzare la stabilità della regressione. Si introducono poi gli indici di bontà dell’adattamento (R², AIC, BIC) e i modelli a ritardi distribuiti.
La parte finale si concentra sui dati panel (a effetti fissi e casuali) e sull’analisi delle serie storiche, includendo aspetti descrittivi, componenti strutturali (trend, ciclo, stagionalità) e modelli stocastici (AR, MA, ARMA), con attenzione alla stazionarietà e all’invertibilità.

Testi Adottati

Introduzione all’econometria
James H. Stock - Mark W. Watson
Ed. Pearson

Econometria
Marno Verbeek
Ed. Zanichelli

Note del docente

Modalità Valutazione

COLLOQUIO ORALE SUGLI ARGOMENTI DEL CORSO

Programma

Il corso affronta l’econometria e la modellizzazione statistica, partendo da richiami di algebra delle matrici e di teoria della stima. Si introduce il modello di regressione lineare classico, analizzandone le ipotesi, la stima dei parametri tramite minimi quadrati ordinari (OLS) e il teorema di Gauss-Markov.
Segue l’approfondimento della massima verosimiglianza, dei test sui parametri e delle tecniche per gestire la violazione delle ipotesi del modello (eteroschedasticità, autocorrelazione, multicollinearità, errori di misura). Vengono introdotti i minimi quadrati generalizzati, i test diagnostici, e le soluzioni con variabili strumentali.
Il corso prosegue con lo studio della previsione lineare, dell’errata specificazione del modello e dell’uso di variabili dummy per analizzare la stabilità della regressione. Si introducono poi gli indici di bontà dell’adattamento (R², AIC, BIC) e i modelli a ritardi distribuiti.
La parte finale si concentra sui dati panel (a effetti fissi e casuali) e sull’analisi delle serie storiche, includendo aspetti descrittivi, componenti strutturali (trend, ciclo, stagionalità) e modelli stocastici (AR, MA, ARMA), con attenzione alla stazionarietà e all’invertibilità.

Testi Adottati

Introduzione all’econometria
James H. Stock - Mark W. Watson
Ed. Pearson

Econometria
Marno Verbeek
Ed. Zanichelli

Note del docente

Modalità Valutazione

COLLOQUIO ORALE SUGLI ARGOMENTI DEL CORSO

Programma

Il corso affronta l’econometria e la modellizzazione statistica, partendo da richiami di algebra delle matrici e di teoria della stima. Si introduce il modello di regressione lineare classico, analizzandone le ipotesi, la stima dei parametri tramite minimi quadrati ordinari (OLS) e il teorema di Gauss-Markov.
Segue l’approfondimento della massima verosimiglianza, dei test sui parametri e delle tecniche per gestire la violazione delle ipotesi del modello (eteroschedasticità, autocorrelazione, multicollinearità, errori di misura). Vengono introdotti i minimi quadrati generalizzati, i test diagnostici, e le soluzioni con variabili strumentali.
Il corso prosegue con lo studio della previsione lineare, dell’errata specificazione del modello e dell’uso di variabili dummy per analizzare la stabilità della regressione. Si introducono poi gli indici di bontà dell’adattamento (R², AIC, BIC) e i modelli a ritardi distribuiti.
La parte finale si concentra sui dati panel (a effetti fissi e casuali) e sull’analisi delle serie storiche, includendo aspetti descrittivi, componenti strutturali (trend, ciclo, stagionalità) e modelli stocastici (AR, MA, ARMA), con attenzione alla stazionarietà e all’invertibilità.

Testi Adottati

Introduzione all’econometria
James H. Stock - Mark W. Watson
Ed. Pearson

Econometria
Marno Verbeek
Ed. Zanichelli

Note del docente

Modalità Valutazione

COLLOQUIO ORALE SUGLI ARGOMENTI DEL CORSO

Programma

Il corso affronta l’econometria e la modellizzazione statistica, partendo da richiami di algebra delle matrici e di teoria della stima. Si introduce il modello di regressione lineare classico, analizzandone le ipotesi, la stima dei parametri tramite minimi quadrati ordinari (OLS) e il teorema di Gauss-Markov.
Segue l’approfondimento della massima verosimiglianza, dei test sui parametri e delle tecniche per gestire la violazione delle ipotesi del modello (eteroschedasticità, autocorrelazione, multicollinearità, errori di misura). Vengono introdotti i minimi quadrati generalizzati, i test diagnostici, e le soluzioni con variabili strumentali.
Il corso prosegue con lo studio della previsione lineare, dell’errata specificazione del modello e dell’uso di variabili dummy per analizzare la stabilità della regressione. Si introducono poi gli indici di bontà dell’adattamento (R², AIC, BIC) e i modelli a ritardi distribuiti.
La parte finale si concentra sui dati panel (a effetti fissi e casuali) e sull’analisi delle serie storiche, includendo aspetti descrittivi, componenti strutturali (trend, ciclo, stagionalità) e modelli stocastici (AR, MA, ARMA), con attenzione alla stazionarietà e all’invertibilità.

Testi Adottati

Introduzione all’econometria
James H. Stock - Mark W. Watson
Ed. Pearson

Econometria
Marno Verbeek
Ed. Zanichelli

Note del docente

Modalità Valutazione

COLLOQUIO ORALE SUGLI ARGOMENTI DEL CORSO