Prof. Andrea Monticini

Econometria
PROF. ANDREA MONTICINI
OBIETTIVO DEL CORSO
L'obiettivo del corso è di fornire il quadro teorico dei moderni strumenti
econometrici e le relative implicazioni per l'analisi econometrica empirica. A tal
fine le lezioni teoriche sono affiancate da un ciclo organico di esercitazioni. Al
termine del corso, gli studenti hanno a disposizione le conoscenze per poter
intraprendere autonome analisi empiriche con dati economici e finanziari.
PROGRAMMA DEL CORSO
PREREQUISITI
Prima di accedere al corso lo studente dovrebbe conoscere:
– le principali nozioni di statistica descrittiva;
– il calcolo matriciale;
– nozione di base del calcolo infinitesimale.
1. Modello di regressione semplice
Al termine della trattazione dell'argomento lo studente sarà in grado di:
– specificare un modello di regressione lineare uni variato;
– stimare il modello mediante il metodo dei momenti;
– stimare il modello mediante il metodo dei minimi quadrati;
– derivare la distribuzione campionaria delle stime ottenute mediante il metodo
dei minimi quadrati;
– derivare la distribuzione asintotica delle stime ottenute mediante il metodo dei
minimi quadrati;
– interpretare il significato dei coefficienti stimati;
– costruire intervalli di confidenza per i parametri stimati;
– effettuare test sui parametri stimati;
– effettuare previsioni utilizzando il modello stimato;
– effettuare test per verificare la presenza di non-linearità;
– stimare il modello mediante il metodo della massima verosimiglianza;
– effettuare test sui parametri mediante il Likelihood ratio test, il Wald test ed il
Lagrange Multiplier test.
2. Modello di regressione multivariato
Al termine della trattazione dell'argomento lo studente sarà in grado di:
– specificare un modello di regressione lineare multivariato;
– stimare il modello mediante il metodo dei momenti;
– stimare il modello mediante il metodo dei minimi quadrati;
– derivare la distribuzione campionaria delle stime ottenute mediante il metodo
dei minimi quadrati;
– derivare la distribuzione asintotica delle stime ottenute mediante il metodo dei
minimi quadrati;
– interpretare il significato dei coefficienti;
– costruire intervalli di confidenza per i parametri stimati;
– effettuare test sui parametri stimati;
– effettuare previsioni utilizzando il modello stimato;
– effettuare test per verificare la presenza di non-linearità;
– stimare il modello mediante il metodo della massima verosimiglianza;
– effettuare test sui parametri mediante il Likelihood ratio test, il Wald test ed il
Lagrange Multiplier test;
– calcolare ed intepretare l'indice R2;
– comprendere gli effetti di una cattiva specificazione del modello;
– comprendere quando il metodo dei minimi quadrati non è utilizzabile per la
presenza di regressori endogeni.
3. Presenza di eteroschedasticità nei dati
Al termine della trattazione dell'argomento lo studente sarà in grado di:
– verificare la presenza di eteroschedasticità mediante tests di White e BreuschPagan;
– calcolare errori standard robusti per la presenza di eteroscedasticità;
– stimare un modello mediante il metodo dei minimi quadrati generalizzati.
4. Presenza di autocorrelazione nei dati
Al termine della trattazione dell'argomento lo studente sarà in grado di:
– verificare la presenza di autocorrelazione;
– stimare un modello in presenza di autocorrelazione;
– calcolare errori standard robusti per la presenza di eteroscedasticità e
autocorrelazione.
5. Modelli per sistemi ad equazioni simultanee
Al termine della trattazione dell'argomento lo studente sarà in grado di:
– definire la forma strutturale e la forma ridotta di un modello ad equazioni
simultanee;
– comprendere le problematiche inerenti la stima di un modello ad equazioni
simultanee;
– verifica dell'identificabilità del modello ad equazioni simultanee mediante la
condizione di ordine e la condizione di rango;
– derivare le proprietà asintotiche della stima mediante variabili strumentali;
– stimare un modello mediante il metodo dei minimi quadrati a due stadi.
6. Utilizzo delle variabili dummies
Al termine della trattazione dell'argomento lo studente sarà in grado di:
– stimare un modello contenente variabili mummie;
– stimare un modello Linear Probability;
– stimare un modello Probit e Logit;
7. Introduzione all'analisi delle serie storiche
Al termine della trattazione dell'argomento lo studente sarà in grado di:
– comprendere la nozione di processo stocastico;
– stimare un modello auto regressivo;
– stimare un modello a media mobile;
– comprendere le principali caratteristiche di un processo stocastico random
walk;
– effettuare un test per verificare la presenza di radici unitarie nei dati.
BIBLIOGRAFIA
Non c'è un libro di testo. Il docente metterà a disposizione nella pagina web del corso il
materiale necessario per la comprensione degli argomenti trattati a lezione.
Tuttavia, il libro di testo che maggiormente si avvicina al contenuto del corso è:
J.H. STOCK-M. WATSON, Introduction to Econometrics, Pearson, 3rd ed.
Altri utili testi per approfondire alcuni aspetti trattati a lezione sono
G.S. MADDALA-K. LAHIRI, Introduction to Econometrics, Wiley, 4th ed.
M. VERBEEK, A Guide to Modern Econometrics , Wiley, 4th ed.
J. JOHNSTON-J. DI NARDO, Econometric Methods, McGraw-Hill, 1997, 4th ed.
R. DAVIDSON-J. MACKINNON, Econometric Theory and Methods, Oxford University Press, 2004.
DIDATTICA DEL CORSO
Il corso è articolato in lezioni teoriche (56 ore) e integrato da un ciclo organico di
esercitazioni (20 ore).
METODO DI VALUTAZIONE
–
Il voto finale sarà basato su
un esame scritto per la parte teorica (50%). Tale prova scritta si compone di tre differenti
sezioni, ognuna delle quali pesa 1/3 del voto finale (della prova teorica). La prima sezione
è composta da cinque domande di tipo Vero o Falso in cui è richiesto di motivare la
risposta. La seconda sezione è composta da sei domande di tipo scelta multipla, in cui
solo una è la risposta esatta. La terza sezione si compone di due domande aperte in cui è
richiesto di rispondere ad una.
–
Una prova pratica (50% del voto finale) da svolgersi in aula computer. La prova pratica si
compone di cinque o sei esercizi basati su dati finanziari ed economici reali da risolvere
mediante l'utilizzo di un software econometrico.
AVVERTENZE
Orario e luogo di ricevimento
Il Prof. Andrea Monticini riceve gli studenti presso l'ufficio n. 213 in Via Necchi 5 con
orario indicato nella pagina web del docente. Gli avvisi per eventuali variazioni all'orario di
ricevimento sono indicate soltanto nella sezione bacheca della pagina web. Per gli studenti
frequentanti sarà predisposto un gruppo nel programma di messaggistica istantanea
Telegram.