L’obiettivo di introdurre alle principali tecniche dell’econometria, il cui uso è ormai divenuto pratica corrente nel lavoro empirico in molti ambiti dell’analisi economica, finanziaria e aziendale. l’attenzione è focalizzata sull’intuizione che sta alla base dei diversi approcci e sulla loro rilevanza pratica. nel corso vengono introdotti e discussi esempi e applicazioni empiriche tratte da ambiti di analisi come l’economia del lavoro, la finanza, l’economia internazionale, l’economia ambientale, la macroeconomia, il management. l’utilizzo delle diverse procedure viene illustrato attraverso esempi di natura pratica basati sull’uso di dati tratti da casi reali, con l’impiego di un idoneo software (e-views, r).
Curriculum
scheda docente
materiale didattico
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.
James H. Stock - Mark W. Watson
Ed. Pearson
Econometria
Marno Verbeek
Ed. Zanichelli
Note del docente
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’econometriaJames H. Stock - Mark W. Watson
Ed. Pearson
Econometria
Marno Verbeek
Ed. Zanichelli
Note del docente
Modalità Valutazione
COLLOQUIO ORALE SUGLI ARGOMENTI DEL CORSO
scheda docente
materiale didattico
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.
James H. Stock - Mark W. Watson
Ed. Pearson
Econometria
Marno Verbeek
Ed. Zanichelli
Note del docente
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’econometriaJames H. Stock - Mark W. Watson
Ed. Pearson
Econometria
Marno Verbeek
Ed. Zanichelli
Note del docente
Modalità Valutazione
COLLOQUIO ORALE SUGLI ARGOMENTI DEL CORSO
scheda docente
materiale didattico
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.
James H. Stock - Mark W. Watson
Ed. Pearson
Econometria
Marno Verbeek
Ed. Zanichelli
Note del docente
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’econometriaJames H. Stock - Mark W. Watson
Ed. Pearson
Econometria
Marno Verbeek
Ed. Zanichelli
Note del docente
Modalità Valutazione
COLLOQUIO ORALE SUGLI ARGOMENTI DEL CORSO