Scuola di Scienze Sociali
Dipartimento di Economia
Nome insegnamento : Econometria (cod. 24615)
Corso di studi: CLEC
A.A. 2016/17
Docente
Cognome e nome:Marchese Malvina e-mail:
[email protected]
Anno di corso:III
Sem:I
Sede: Genova
SSD:SEC-S/P05
cfu:6
Ore lezione:48
Obiettivi formativi
Il corso è volto a fornire agli studenti gli strumenti di base dell’analisi econometrica. Partendo da
una rigorosa analisi teorica del modello di regressione lineare, introduce i principali stimatori e ne
analizza le proprietà in “finite sample” e “asymptotics” sotto le ipotesi di Gauss-Markov. Il modello
e la sua analisi vengono poi estesi a analisi di regressione multipla e i risultati in questo contesto
vengono dimostrati utilizzando l’algebra lineare. Il corso sviluppa poi un’approfondita analisi dei
principali test delle ipotesi basandosi sulla teoria della distribuzione e del loro utilizzo nella
modellizzazione econometrica, in particolare delineandone la relazione con le domande di ricerca.
Considera infine i casi di errata specificazione del modello e di fallimento delle ipotesi classiche ,ne
analizza le conseguenze sugli stimatori e sviluppa strategie di stima alternative,verificandone la
validita’.
Scopo del corso è di sviluppare negli studenti la consapevolezza del modello econometrico come
funzione della domanda economica alla base della ricerca, dunque come scelta “a priori “
dell’analisi, e la consapevolezza delle ipotesi necessarie al modello per ottenere risultai significativi
per l’analisi. Inoltre il corso è volto a fornire agli studenti la capacità di valutazione dei vari criteri
di stima disponibili
Il corso prevede uno stretto raccordo tra analisi teorica del modello e degli stimatori e analisi dei
dati. Dopo lo studio approfondito del modello di regressione lineare e del test delle ipotesi gli
studenti imparano a leggere ad analizzare “regression outputs” basati su dati forniti dal docente e
utilizzando il software E-Views. In particolare il corso vuole sviluppare la capacità degli studenti di
condurre test delle ipotesi per verificare l’applicabilità del modello di regressione lineare classico
ai dati di interesse.
Programma/Contenuti
Parte I:
CONCETTI BASE DI PROBABILITA’E INFERENZA STATISTICA: variabili aleatorie
univariate e multivariate, funzioni di distribuzione e densità di variabili aleatorie univariate e
multivariate, momenti di variabili aleatorie univariate e multivariate, teoria della distribuzione,
momenti campionari, stimatori come variabili aleatorie, proprietà degli stimatori in “finite
sample”, consistenza degli stimatori, test delle ipotesi.
INTRODUZIONE AI MODELLI ECONOMETRICI:
variabile dipendente come variabile aleatoria e suoi momenti di interesse.
modelli parametrici e non parametrici.
modelli di regressione lineare e non lineare
modelli di” quantile regression”
“conditional heteroskedasticity models”
TIPI DI DATI:
dati “cross section”
dati” time series”
dati panel e loro vantaggi
Parte II: MODELLO DI REGRESSIONE LINEARE SEMPLICE
Scopo del modello
Ipotesi di Gauss –Markov con regressori non stocastici
Ipotesi di Gauss- Markov con regressori stocastici
Stimatore OLS, stimatore MLE, stimatore GMM: definizione e derivazione.
Aspetti algebrici degli stimatori.
Proprietà degli stimatori in “finite sample”
Teorema di Gauss-Markov.
Proprietà asintotiche degli stimatori: teorema di Slutzky, LLN, condizioni necessarie e sufficienti
per la consistenza.
Test delle ipotesi per il modello di regressione lineare semplice
R quadro e R quadro adjusted, altri criteri di “goodness of fit” del modello.
Parte III: MODELLO DI REGRESSIONE LINEARE MULTIPLO
Scopo del modello
Ipotesi di Gauss-Markov con regressori stocastici e non stocastici in forma compatta.
Identificazione del modello e condizioni di esclusione di multicollinearita’ perfetta.
Stima del modello tramite OLS e MLE.
Aspetti algebrici degli stimatori.
Proprietà degli stimatori in “finite sample”
Teorema di Gauss-Markov.
Proprietà asintotiche degli stimatori: teorema di Slutzky, LLN, condizioni necessarie e sufficienti
per la consistenza,teorema del limite centrale.
Parte IV: TEST DELLE IPOTESI NEL MODELLO DI REGRESSIONE LINEARE MULTIPLO.
Parte V:PROBLEMI DI ERRONEA SPECIFICAZIONE DEL MODELLO
PARTE VI: FALLIMENTO DELLE IPOTESI DI GAUSS-MARKOV
…
Eventuali propedeuticità e/o prerequisiti consigliati
Matematica generale, prerequisito obbligatorio.
Statistica I, prerequisito obbligatorio.
Si raccomanda fortemente agli studenti di ripassare l’algebra lineare, la teorie dell’integrazione, e
la teoria della probabilità oggetto dei corsi sopraelencati. Gli studenti sono invitati a colmare
eventuali lacune con l’ausilio del materiale di ripasso extra di algebra lineare e statistica disponibile
prima dell’inizio delle lezioni su Aulaweb sul sito di Econometria I.E’ di importanza fondamentale
la capacita di risolvere integrali definiti per parti o sostituzione. Inoltre è di fondamentale
importanza la conoscenza delle seguenti operazioni di algebra lineare: inner product ,outer product,
moltiplicazioni e somme tra matrici, calcolo del determinate di matrici quadrate (fino a 3 per
3),calcolo dell’inversa di una matrice quadrata, operazione di trasposta di una matrice.
Risultati di apprendimento previsti
Conoscenza e comprensione Gli studenti devono acquisire rigorosa conoscenza teorica del
modello di regressione lineare multiplo e semplice, utilizzando principi di probabilità ,
inferenza statistica, e algebra lineare. Devono dimostrare un’adeguata conoscenza degli
strumenti di valutazione dei modelli econometrici, in particolare dei test delle ipotesi, e delle
proprietà degli stimatori presentati, sia in “finite sample” sia in “asymptotics”. Inoltre
devono essere in grado di analizzare le conseguenze di errata specificazione del modello o
delle ipotesi sui risultati dell’analisi e di proporre strategie di stima alternative,
dimostrandone formalmente la validità. Gli studenti devono essere in grado di dimostrare
formalmente tutti i risultati teorici illustrati nel corso.
Capacità di applicare conoscenza e comprensione Gli studenti devono essere in grado di
applicare le conoscenze teoriche sviluppate sul modello di regressione a data set forniti dal
docente. In particolare devono sviluppare capacità di analisi di “regression outputs” sapendo
interpretare i valori dei vari test delle ipotesi e individuare eventuali problemi di errata
specificazione. Devono essere in grado di condurre test per verificare nei dati l’eventuale
presenza di endogeneita’ e di eteroschedasticita’ o correlazione seriale. Devono dimostrare
una adeguata consapevolezza dei vari criteri di valutazione di validità del modello di
regressione lineare rispetto ai dati forniti, valutando se effettivamente il modello sia
significativo. Gli studenti devono dimostrare una conoscenza base del software E-Views
utilizzato in aula dal docente nelle applicazioni.
Autonomia di giudizio Obiettivo fondamentale del corso è di sviluppare negli studenti la
consapevolezza del modello econometrico come scelta a priori dell’analisi, legata alle
specifiche esigenze di ricerca. Al termine del corso gli studenti devono aver acquisito
consapevolezza dei diversi tipi di modelli utilizzati in ricerca e delle loro differenti finalità’.
Inoltre devono aver acquisto sufficiente sensibilità alle proprietà dei diversi stimatori per
valutare caso per caso quale sia lo stimatore migliore in risposta alle esigenze di ricerca .Di
fondamentale importanza è la consapevolezza della differenza tra momenti della
popolazione, il modello, e momenti del campione, derivati da semplici statistiche descrittive
sui dati.
Abilità comunicative Gli studenti devono acquisire il linguaggio statistico e matematico
utilizzato dalla disciplina. Inoltre devono essere in grado di comprendere e comunicare i
risultati ottenuti dall’analisi di regressione lineare e di interpretarne la significatività per
l’analisi economica.
Capacità di apprendimento Gli studenti devono sviluppare un ‘autonoma capacità di
analisi teorica che consenta loro di comprendere modelli a dati cross sections differenti da
quelli presentati durante il corso. Inoltre devono essere in grado di valutare autonomamente,
con l’ausilio degli strumenti statistici forniti dal corso, quale tra i modelli disponibili sia più
adeguato per specifici dataset e loro eventuali specifiche domande di ricerca.
Modalità didattiche, obblighi, testi e modalità di accertamento.
Modalità Lezioni frontali, analisi di dati tramite il software E-Views.
didattiche
Presente su Si ☒ No ☐
Aulaweb
Obblighi La frequenza del corso non è obbligatoria, ma fortemente raccomandata.
Testi di studio
Modalità di Esame
accertamento
☒ scritto ☐ orale ☐ altro:
Ripetizione Lo studente non può ripetere l’esame più di tre volte nel corso di un anno
dell’esame solare.
Informazioni aggiuntive per gli studenti non frequentanti
Modalità Il programma per gli studenti non frequentanti è invariato rispetto al
didattiche programma per gli studenti frequentanti.
Obblighi Gli studenti che non possono frequentare il corso devono contattare il docente
nelle prime settimane di lezione.
Testi di studio Gli studenti sono caldamente inviatati a fare riferimento non solo al testo di
studio ma anche e soprattutto agli appunti scritti dal docente e disponibili su
Aulaweb. Ai fini dell’esame si raccomanda inoltre di risolvere gli esercizi
extra disponibili su Aulaweb. Gli studenti possono usufruire dell’orario di
ricevimento sia per domande teoriche sia per dubbi nella risoluzione degli
esercizi.
Modalità di Esame
accertamento
☒ scritto ☐ orale ☐ altro:
Ripetizione Lo studente non può sostenere l’esame più di tre volte nel corso di un anno
dell’esame solare.
For foreign students
Course
description
Methodology Lectures and classes.
Attendance Attendance is not compulsory ,however it is strongly recommended.
Textbook and
other
reccomended
resources
A set of lecture notes and extra questions are available on
“AulaWeb”.Students are strongly recommended to rely on these notes and
attempt all the extra questions given. Students are very welcome to discuss the
extra questions during office hours.
Assessment A 2 hours written exam.
Note
Si invitano tutti gli studenti a consultare periodicamente la pagina di questo insegnamento sul portale
dell’e-learning
AulaWeb
(raggiungibile
dal
sito
di
Ateneo
o
all’indirizzo:
http://www.aulaweb.unige.it/). Tutte le informazioni e i materiali relativi a questo insegnamento
sono pubblicate esclusivamente in tale sito.
