Prof. Luca Colombo

.-
Econometria
PROF. LUCA COLOMBO
OBIETTIVO DEL CORSO
Il corso presenta i principali modelli econometrici come strumento per l’indagine
quantitativa di fenomeni economici e finanziari. L’econometria consente di
misurare variabili non direttamente osservabili, di studiare le relazioni tra le stesse
e di analizzarne l’andamento, nonché di testare e confrontare teorie alternative, o di
prevedere e simulare gli effetti di diverse politiche.
Poiché un aspetto caratterizzante del corso è l’enfasi posta sugli aspetti applicativi,
le lezioni teoriche saranno corredate da un ciclo organico di esercitazioni, basate
sull’utilizzo di software econometrico (Stata). Lo studente sarà messo in
condizione di sviluppare autonomamente analisi econometriche, tese sia a
verificare la comprensione e a implementare le tecniche ed i modelli analizzati
durante le lezioni teoriche, sia a realizzare analisi empiriche su temi di economia e
finanza.
OBIETTIVI FORMATIVI CHE LO STUDENTE DOVREBBE AVERE RAGGIUNTO PRIMA DI ACCEDERE AL
CORSO
Prima di accedere al corso lo studente dovrebbe conoscere:
– le variabili casuali e le caratteristiche delle loro distribuzioni di probabilità
(media, mediana, varianza e deviazione standard), nonché le caratteristiche
delle distribuzioni congiunte e condizionali (covarianza e correlazione,
aspettative e varianze condizionate e le loro proprietà);
– la distribuzione normale e quelle collegate a essa: chi-quadro, distribuzione t e
distribuzione F;
– gli elementi fondamentali della statistica matematica: non distorsione,
consistenza e normalità asintotica;
– gli elementi fondamentali dei test d’ipotesi;
– le proprietà caratteristiche di alcune forme funzionali (lineari, quadratiche e più
in generale polinomiali, logaritmiche ed esponenziali) e gli elementi di base del
calcolo differenziale;
– i temi fondamentali della micro e macro-economia, nonché della teoria della
finanza e della finanza aziendale.
PROGRAMMA DEL CORSO
1. La natura dell’econometria e dei dati economici
Al termine della trattazione dell’argomento lo studente sarà in grado di:
– comprendere la natura e le finalità dell’analisi econometrica, nonché le
determinanti essenziali di un modello econometrico;
– riconoscere le strutture di dati (cross-sezionali, serie storiche, pooled crosssection e panel) più comunemente utilizzate nelle analisi empiriche;
– comprendere la rilevanza delle nozioni di causalità e di analisi ceteris paribus
per l’analisi econometrica.
2. Analisi di regressione con dati cross-sezionali: stima
Al termine della trattazione dell’argomento lo studente sarà in grado di:
– valutare l’impatto ceteris paribus di una specifica variabile indipendente;
– utilizzare il metodo dei minimi quadrati ordinari (OLS) per stimare i parametri
di modelli di regressione multipla e valutare la bontà di una regressione;
– derivare le proprietà statistiche e algebriche degli stimatori OLS (nondistorsione e efficienza) e delle loro varianze.
3. Regressione multipla: inferenza
Al termine della trattazione dell’argomento lo studente sarà in grado di:
– effettuare test d’ipotesi sui parametri del modello di regressione nella
popolazione (test t) e test su ipotesi singole che coinvolgono più di un
parametro, nonché derivare intervalli di confidenza;
– effettuare test d’ipotesi relativi a restrizioni multiple (test F);
– valutare la significatività complessiva di una regressione.
4. Regressione multipla: proprietà asintotiche
Al termine della trattazione dell’argomento lo studente sarà in grado di:
– dimostrare che gli stimatori OLS sono consistenti;
– verificare che i test t e F continuano ad avere distribuzioni
approssimativamente t e F anche in assenza dell’ipotesi di distribuzione
normale degli errori.
5. Regressione multipla: approfondimenti su forme funzionali e specificazione,
selezione dei regressori, caratteristiche dei dati
Al termine della trattazione dell’argomento lo studente sarà in grado di:
– comprendere l’impatto sulle stime OLS di variazioni nelle unità di misura delle
variabili;
– misurare gli effetti delle variabili indipendenti sulla variabile dipendente in
termini di deviazioni standard (coefficienti beta);
– realizzare ed interpretare modelli con forme funzionali non lineari
(logaritmiche, quadratiche, con effetti di interazione);
– valutare l’effetto dell’introduzione di regressori aggiuntivi in un modello
2
econometrico ( R -aggiustato); nonché il trade-off tra l’inclusione di variabili
irrilevanti e la mancata considerazione di variabili rilevanti.
6. Regressione multipla in presenza di informazioni qualitative: variabili binarie
(dummy variable)
Al termine della trattazione dell’argomento lo studente sarà in grado di:
– utilizzare informazioni qualitative ed ordinali nelle analisi di regressione e per
valutare programmi di policy;
– formulare e valutare i limiti del linear probability model per effettuare analisi di
regressione multipla in presenza di variabile dipendente binaria e conoscerne i
limiti.
7. Eteroschedasticità
Al termine della trattazione dell’argomento lo studente sarà in grado di:
– calcolare errori standard e test robusti all’eteroschedasticità di forma non nota;
– effettuare test per verificare la presenza di eteroschedasticità (il test di BreuschPagan e il test di White);
– derivare stimatori WLS (minimi quadrati ponderati) in presenza di
eteroschedasticità di forma nota e valutarne le proprietà;
– stimare un modello per l’eteroschedasticità e derivare stimatori feasible GLS
(minimi quadrati generalizzati).
8. L’analisi di regressione con serie storiche
Al termine della trattazione dell’argomento lo studente sarà in grado di:
– valutare le differenze concettuali tra serie storiche e dati cross-sezionali;
– formulare i modelli di regressione per serie storiche più comunemente utilizzati
in economia e finanza e derivare le proprietà (sotto le ipotesi classiche) degli
stimatori OLS;
– utilizzare e interpretare forme funzionali logaritmiche e dummy variable in
applicazioni con serie storiche e event study, incorporare trend e stagionalità in
analisi di regressione multipla;
– analizzare serie storiche stazionarie e debolmente dipendenti e derivare le
proprietà asintotiche degli stimatori OLS;
– effettuare e valutare i limiti dell’analisi di regressione in presenza di serie
storiche altamente persistenti (processi unit root).
9. Correlazione seriale ed eteroschedasticità nelle regressioni con serie storiche
Al termine della trattazione dell’argomento lo studente sarà in grado di:
– derivare le proprietà degli stimatori OLS in presenza di correlazione seriale;
– effettuare test per verificare la presenza di correlazione seriale;
– effettuare inferenza robusta alla presenza di correlazione seriale e di
eteroschedasticità.
BIBLIOGRAFIA
J.M. WOOLDRIDGE, Introductory Econometrics: A Modern Approach, Thomson South-Western, ult.
ed.
Appunti del docente, materiale didattico integrativo e ulteriori riferimenti bibliografici
saranno resi disponibili alla pagina dedicata al corso nell’area didattica del sito web del
docente.
DIDATTICA DEL CORSO
Il corso è articolato in lezioni teoriche (60 ore) e integrato da un ciclo organico di
esercitazioni (20 ore) fondate sull’uso del software econometrico Stata.
METODO DI VALUTAZIONE
Il corso prevede lo svolgimento di un esame scritto (suddiviso in una parte teorica e in
una applicata) e di una eventuale prova orale integrativa.
AVVERTENZE
Orario e luogo di ricevimento
Il Prof. Luca Colombo riceve gli studenti il martedì dalle ore 15,00 presso l’Istituto di
Economia e finanza (via Necchi 5, uff.n. 203), o su appuntamento (e-mail
[email protected]).