INGLESE

Il corso si propone di fornire agli studenti:
1) gli strumenti statistico-econometrici necessari per la specificazione, la
stima e la selezione di modelli che descrivono relazioni economiche; 2) le
conoscenze di base del software econometrico Stata necessarie per
realizzare applicazioni a problemi e dati reali.

Christiana E. Hilmer & Michael J. Hilmer ‘Practical Econometrics. Data
collection, analysis, and application’ McGrawHill Education.
Cameron and Trivedi's Microeconometrics.

Il corso è progettato per indirizzare gli studenti all’analisi dei dati,
all’elaborazione di un codice per analizzare e testare alcune ipotesi
relative ad alcuni fenomeni economici. Costituisce parte integrante del
corso sia l’analisi dei dati attraverso l’utilizzo di software econometrici
(es. Stata) che lezioni e lo svolgimento di problem sets.
Conoscenza e capacità di comprensione (knowledge and understanding).
Conoscenza e comprensione di modelli per dati cross-section, panel e
serie storiche
Conoscenza e capacità di comprensione applicate (applied knowledge
and understanding).
Al termine del corso gli studenti dovranno dimostrare attitudine
nell'effettuare analisi di carattere quantitativo a livello base ed
intermedio.
Autonomia di giudizio (making judgements).
Ci si attende il raggiungimento di una sufficiente conoscenza degli
argomenti che permetta ciascun studente di comprendere, interpretare e
giudicare le analisi quantitative di altri ricercatori.
Abilità comunicative (communication skills).
L’insegnamento tende anche a sviluppare nello studente la capacità di
comunicare ed interagire con altri individui.
Testi in inglese
English
The course aims to provide students with: 1) the statistical-econometric
tools necessary for the specification, estimation and selection of models
that describe economic relationships; 2) the basic knowledge of the Stata
econometric software necessary for estimating and testing economic
relationships using real datasets.
Christiana E. Hilmer & Michael J. Hilmer ‘Practical Econometrics. Data
collection, analysis, and application’ McGrawHill Education.
Cameron and Trivedi's Microeconometrics.
Capacità di apprendere (Learning skills).
La capacità di apprendere sarà verificata testando l’attitudine degli
studenti a rispondere e sviluppare adeguatamente gli argomenti trattati
durante il corso.

E' richiesta una conoscenza di base di statistica

Lezioni teoriche ed applicazioni empiriche su dati economici e non,
mediante l’utilizzo del software econometrico Stata.
Gli studenti saranno incoraggiati a risolvere e consegnare alcuni compiti
durante il corso e a lavorare in gruppi su specifici progetti di carattere
empirico.

L’esame consiste nello svolgimento di compiti individuali e di gruppo,
nonché nella preparazione e presentazione di un progetto finale. La
valutazione è in trentesimi. La soluzione dei compiti può ottenere un
punteggio massimo di 20 su 30. Al progetto finale può essere data una
valutazione massima di 10 su 30.
I compiti consistono nella risoluzione di problemi e quesiti da rispondere
riguardanti il materiale propriamente indicato nel testo del compito.
Il progetto finale sviluppa o estende ulteriormente gli argomenti del corso
e include un contributo originale dello studente, quali: nuovi modelli,
analisi delle loro proprietà o applicazioni originali a dati reali. La
preparazione del progetto mira a mettere in pratica le conoscenze
acquisite dallo studente. La presentazione orale mira a verificare il livello
di conoscenza degli argomenti trattati nel progetto e la capacità di
comunicarli in modo chiaro e rigoroso.

nessuna

(1) Raccolta e gestione dei dati;
(2) Regressione lineare semplice;
(3) Regressione multivariata
(4) Eteroschedasticità
(5) Analisi delle serie storiche
(6) Modelli Logit e Probit.
(7) Analisi per Dati Panel
(8) Endogeneità
(9) Stima con variabili strumentali e two stage least squares.

English

The course aims to provide students with: 1) the statistical-econometric
tools necessary for the specification, estimation and selection of models
that describe economic relationships; 2) the basic knowledge of the Stata
econometric software necessary for estimating and testing economic
relationships using real datasets.

Christiana E. Hilmer & Michael J. Hilmer ‘Practical Econometrics. Data
collection, analysis, and application’ McGrawHill Education.
Cameron and Trivedi's Microeconometrics.

This course is designed to address students to explore a dataset, write
code to analyze relationships and to test hypotheses about some
economic phenomenon. Working with data by using econometric
software (i.e., Stata) is integrated into every aspect of the course
including lecture, problem sets and exams.
Knowledge and understanding.
Knowledge and understanding of empirical models for cross-section data,
panel data and e time series.
Applied knowledge and understanding.
At the end of the course the students should demonstrate ability in
performing basic and intermediate quantitative analysis.
Making judgements.
It is expected the achievement of a sufficient knowledge of the topics
that allow each student to understand, interpret and judge quantitative
analyses of other researchers.
Communication skills.
The course also aims to develop the ability of student to communicate
and interact with other individuals by presenting and commenting his\her
quantitative analysis.
Learning skills.
The learning skills will be verified testing the student’s ability to develop
the topics examined during the course.

Basic knowledge of statistics is necessary.

Lectures and empirical applications on economic and/or other kind of
data using econometric software (Stata). Students will be encouraged to
solve some pieces of homework throughout the course and to work in
groups on empirical projects.

The exam consists in individual and group assignments, and in the
preparation and presentation of a final project. The exam is evaluated on
a 30-point basis. The solution of the assignments can yield up to 20
points out of 30 and the final project can yield up to 10 points out of 30.
The assignments consist of problems to solve and questions to reply
regarding additional reading material properly referenced in the text of
assignments.
The final project develops or extends further the topics of the course and
includes an original contribution of the student, such as new models,
analysis of their properties, or original applications to real data. The
project preparation aims at putting into practice the knowledge acquired.
The oral presentation aims at verifying the level of knowledge of the
topics in the projects and the ability to communicate them in a clear and
rigorous way.

none

(i) Collection and management of data
(ii) Simple Regression Analysis
(iii) Multiple Regression Analysis:
(iv) Heteroskedasticity.
(v) Time Series analysis.
(vi) Logit and Probit Models
(vii) Panel data
(viii) Endogeneity
(ix) Instrumental variable estimation and two stage least squares.