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
Richiami di algebra delle matrici.
Il modello di regressione lineare multipla. Interpretazione e confronto di modelli di regressione. Stime dei minimi quadrati e stime di massima verosimiglianza. Eteroschedasticità e autocorrelazione, multicollinearità, variabili esogene non deterministiche e stimatori alle variabili strumentali, errata specificazione del modello, stabilità della funzione di regressione e uso delle variabili dicotomiche.
Modelli per dati panel: modelli a effetti fissi e modelli a effetti casuali. Stimatori within e between. Test di eteroschedasticità ed autocorrelazione. Modelli dinamici per dati panel: lo stimatore Arellano-Bond.
Modelli con variabili ritardate: modelli di regressione dinamica, modelli a ritardi distribuiti.
Introduzione all'analisi delle serie storiche: processi stocastici, la stazionarietà e la funzione di autocovarianza, processi autoregressivi a media mobile e integrati (AR, MA, ARMA, ARIMA), la procedura di Box e Jenkins.
1) Introduzione all'Econometria, J. H. Stock, M. W. Watson, Ed. Pearson
2) Econometrica, J. Johnston, Ed. Franco Angeli
3) Econometria, M. Verbeek, Ed. Zanichelli
4) Lectures on advanced econometrics, L. Pieraccini, Ed. Aracne
5) Introduction to Time Series Analysis and Forecasting, D. C. Montgomery, C. L. Jennings, M. Kulahci, Ed. Wiley
Alcuni degli argomenti trattati nel corso possono torvarsi anche in
Introductory Econometrics for Finance, C. Brooks, Cambridge University Press
Per i richiami introduttivi di inferenza statistica e algebra delle matrici gli studenti possono consultare:
Fondamenti di Inferenza Statistica, L. Pieraccini, Ed. Giappichelli
Matrix Differential Calculus in Statistics and Econometrics, J. R. Magnus, H. Neudecker, Ed. Wiley Series in Probability and Statistics
Per le applicazioni con R, gli studenti possono consultare uno dei seguenti testi
Introductory Statistics with R, P. Dalgaard, Ed. Springer
An Introduction to Applied Multivariate Analysis with R, B. Everitt, T. Hothorn, Ed. Springer
Mutuazione: 21201408 METODI STATISTICI PER L'ECONOMETRIA in Scienze Economiche LM-56 N0 NACCARATO ALESSIA
Programma
Richiami di inferenza: variabili casuali, test delle ipotesi.Richiami di algebra delle matrici.
Il modello di regressione lineare multipla. Interpretazione e confronto di modelli di regressione. Stime dei minimi quadrati e stime di massima verosimiglianza. Eteroschedasticità e autocorrelazione, multicollinearità, variabili esogene non deterministiche e stimatori alle variabili strumentali, errata specificazione del modello, stabilità della funzione di regressione e uso delle variabili dicotomiche.
Modelli per dati panel: modelli a effetti fissi e modelli a effetti casuali. Stimatori within e between. Test di eteroschedasticità ed autocorrelazione. Modelli dinamici per dati panel: lo stimatore Arellano-Bond.
Modelli con variabili ritardate: modelli di regressione dinamica, modelli a ritardi distribuiti.
Introduzione all'analisi delle serie storiche: processi stocastici, la stazionarietà e la funzione di autocovarianza, processi autoregressivi a media mobile e integrati (AR, MA, ARMA, ARIMA), la procedura di Box e Jenkins.
Testi Adottati
Per il programma del corso gli studenti possono consultare i seguenti testi (i primi tre possono considerarsi alternativi tra loro)1) Introduzione all'Econometria, J. H. Stock, M. W. Watson, Ed. Pearson
2) Econometrica, J. Johnston, Ed. Franco Angeli
3) Econometria, M. Verbeek, Ed. Zanichelli
4) Lectures on advanced econometrics, L. Pieraccini, Ed. Aracne
5) Introduction to Time Series Analysis and Forecasting, D. C. Montgomery, C. L. Jennings, M. Kulahci, Ed. Wiley
Alcuni degli argomenti trattati nel corso possono torvarsi anche in
Introductory Econometrics for Finance, C. Brooks, Cambridge University Press
Per i richiami introduttivi di inferenza statistica e algebra delle matrici gli studenti possono consultare:
Fondamenti di Inferenza Statistica, L. Pieraccini, Ed. Giappichelli
Matrix Differential Calculus in Statistics and Econometrics, J. R. Magnus, H. Neudecker, Ed. Wiley Series in Probability and Statistics
Per le applicazioni con R, gli studenti possono consultare uno dei seguenti testi
Introductory Statistics with R, P. Dalgaard, Ed. Springer
An Introduction to Applied Multivariate Analysis with R, B. Everitt, T. Hothorn, Ed. Springer
scheda docente materiale didattico
Richiami di algebra delle matrici.
Il modello di regressione lineare multipla. Interpretazione e confronto di modelli di regressione. Stime dei minimi quadrati e stime di massima verosimiglianza. Eteroschedasticità e autocorrelazione, multicollinearità, variabili esogene non deterministiche e stimatori alle variabili strumentali, errata specificazione del modello, stabilità della funzione di regressione e uso delle variabili dicotomiche.
Modelli per dati panel: modelli a effetti fissi e modelli a effetti casuali. Stimatori within e between. Test di eteroschedasticità ed autocorrelazione. Modelli dinamici per dati panel: lo stimatore Arellano-Bond.
Modelli con variabili ritardate: modelli di regressione dinamica, modelli a ritardi distribuiti.
Introduzione all'analisi delle serie storiche: processi stocastici, la stazionarietà e la funzione di autocovarianza, processi autoregressivi a media mobile e integrati (AR, MA, ARMA, ARIMA), la procedura di Box e Jenkins.
1) Introduzione all'Econometria, J. H. Stock, M. W. Watson, Ed. Pearson
2) Econometrica, J. Johnston, Ed. Franco Angeli
3) Econometria, M. Verbeek, Ed. Zanichelli
4) Lectures on advanced econometrics, L. Pieraccini, Ed. Aracne
5) Introduction to Time Series Analysis and Forecasting, D. C. Montgomery, C. L. Jennings, M. Kulahci, Ed. Wiley
Alcuni degli argomenti trattati nel corso possono torvarsi anche in
Introductory Econometrics for Finance, C. Brooks, Cambridge University Press
Per i richiami introduttivi di inferenza statistica e algebra delle matrici gli studenti possono consultare:
Fondamenti di Inferenza Statistica, L. Pieraccini, Ed. Giappichelli
Matrix Differential Calculus in Statistics and Econometrics, J. R. Magnus, H. Neudecker, Ed. Wiley Series in Probability and Statistics
Per le applicazioni con R, gli studenti possono consultare uno dei seguenti testi
Introductory Statistics with R, P. Dalgaard, Ed. Springer
An Introduction to Applied Multivariate Analysis with R, B. Everitt, T. Hothorn, Ed. Springer
Mutuazione: 21201408 METODI STATISTICI PER L'ECONOMETRIA in Scienze Economiche LM-56 N0 NACCARATO ALESSIA
Programma
Richiami di inferenza: variabili casuali, test delle ipotesi.Richiami di algebra delle matrici.
Il modello di regressione lineare multipla. Interpretazione e confronto di modelli di regressione. Stime dei minimi quadrati e stime di massima verosimiglianza. Eteroschedasticità e autocorrelazione, multicollinearità, variabili esogene non deterministiche e stimatori alle variabili strumentali, errata specificazione del modello, stabilità della funzione di regressione e uso delle variabili dicotomiche.
Modelli per dati panel: modelli a effetti fissi e modelli a effetti casuali. Stimatori within e between. Test di eteroschedasticità ed autocorrelazione. Modelli dinamici per dati panel: lo stimatore Arellano-Bond.
Modelli con variabili ritardate: modelli di regressione dinamica, modelli a ritardi distribuiti.
Introduzione all'analisi delle serie storiche: processi stocastici, la stazionarietà e la funzione di autocovarianza, processi autoregressivi a media mobile e integrati (AR, MA, ARMA, ARIMA), la procedura di Box e Jenkins.
Testi Adottati
Per il programma del corso gli studenti possono consultare i seguenti testi (i primi tre possono considerarsi alternativi tra loro)1) Introduzione all'Econometria, J. H. Stock, M. W. Watson, Ed. Pearson
2) Econometrica, J. Johnston, Ed. Franco Angeli
3) Econometria, M. Verbeek, Ed. Zanichelli
4) Lectures on advanced econometrics, L. Pieraccini, Ed. Aracne
5) Introduction to Time Series Analysis and Forecasting, D. C. Montgomery, C. L. Jennings, M. Kulahci, Ed. Wiley
Alcuni degli argomenti trattati nel corso possono torvarsi anche in
Introductory Econometrics for Finance, C. Brooks, Cambridge University Press
Per i richiami introduttivi di inferenza statistica e algebra delle matrici gli studenti possono consultare:
Fondamenti di Inferenza Statistica, L. Pieraccini, Ed. Giappichelli
Matrix Differential Calculus in Statistics and Econometrics, J. R. Magnus, H. Neudecker, Ed. Wiley Series in Probability and Statistics
Per le applicazioni con R, gli studenti possono consultare uno dei seguenti testi
Introductory Statistics with R, P. Dalgaard, Ed. Springer
An Introduction to Applied Multivariate Analysis with R, B. Everitt, T. Hothorn, Ed. Springer
scheda docente materiale didattico
Richiami di algebra delle matrici.
Il modello di regressione lineare multipla. Interpretazione e confronto di modelli di regressione. Stime dei minimi quadrati e stime di massima verosimiglianza. Eteroschedasticità e autocorrelazione, multicollinearità, variabili esogene non deterministiche e stimatori alle variabili strumentali, errata specificazione del modello, stabilità della funzione di regressione e uso delle variabili dicotomiche.
Modelli per dati panel: modelli a effetti fissi e modelli a effetti casuali. Stimatori within e between. Test di eteroschedasticità ed autocorrelazione. Modelli dinamici per dati panel: lo stimatore Arellano-Bond.
Modelli con variabili ritardate: modelli di regressione dinamica, modelli a ritardi distribuiti.
Introduzione all'analisi delle serie storiche: processi stocastici, la stazionarietà e la funzione di autocovarianza, processi autoregressivi a media mobile e integrati (AR, MA, ARMA, ARIMA), la procedura di Box e Jenkins.
1) Introduzione all'Econometria, J. H. Stock, M. W. Watson, Ed. Pearson
2) Econometrica, J. Johnston, Ed. Franco Angeli
3) Econometria, M. Verbeek, Ed. Zanichelli
4) Lectures on advanced econometrics, L. Pieraccini, Ed. Aracne
5) Introduction to Time Series Analysis and Forecasting, D. C. Montgomery, C. L. Jennings, M. Kulahci, Ed. Wiley
Alcuni degli argomenti trattati nel corso possono torvarsi anche in
Introductory Econometrics for Finance, C. Brooks, Cambridge University Press
Per i richiami introduttivi di inferenza statistica e algebra delle matrici gli studenti possono consultare:
Fondamenti di Inferenza Statistica, L. Pieraccini, Ed. Giappichelli
Matrix Differential Calculus in Statistics and Econometrics, J. R. Magnus, H. Neudecker, Ed. Wiley Series in Probability and Statistics
Per le applicazioni con R, gli studenti possono consultare uno dei seguenti testi
Introductory Statistics with R, P. Dalgaard, Ed. Springer
An Introduction to Applied Multivariate Analysis with R, B. Everitt, T. Hothorn, Ed. Springer
Mutuazione: 21201408 METODI STATISTICI PER L'ECONOMETRIA in Scienze Economiche LM-56 N0 NACCARATO ALESSIA
Programma
Richiami di inferenza: variabili casuali, test delle ipotesi.Richiami di algebra delle matrici.
Il modello di regressione lineare multipla. Interpretazione e confronto di modelli di regressione. Stime dei minimi quadrati e stime di massima verosimiglianza. Eteroschedasticità e autocorrelazione, multicollinearità, variabili esogene non deterministiche e stimatori alle variabili strumentali, errata specificazione del modello, stabilità della funzione di regressione e uso delle variabili dicotomiche.
Modelli per dati panel: modelli a effetti fissi e modelli a effetti casuali. Stimatori within e between. Test di eteroschedasticità ed autocorrelazione. Modelli dinamici per dati panel: lo stimatore Arellano-Bond.
Modelli con variabili ritardate: modelli di regressione dinamica, modelli a ritardi distribuiti.
Introduzione all'analisi delle serie storiche: processi stocastici, la stazionarietà e la funzione di autocovarianza, processi autoregressivi a media mobile e integrati (AR, MA, ARMA, ARIMA), la procedura di Box e Jenkins.
Testi Adottati
Per il programma del corso gli studenti possono consultare i seguenti testi (i primi tre possono considerarsi alternativi tra loro)1) Introduzione all'Econometria, J. H. Stock, M. W. Watson, Ed. Pearson
2) Econometrica, J. Johnston, Ed. Franco Angeli
3) Econometria, M. Verbeek, Ed. Zanichelli
4) Lectures on advanced econometrics, L. Pieraccini, Ed. Aracne
5) Introduction to Time Series Analysis and Forecasting, D. C. Montgomery, C. L. Jennings, M. Kulahci, Ed. Wiley
Alcuni degli argomenti trattati nel corso possono torvarsi anche in
Introductory Econometrics for Finance, C. Brooks, Cambridge University Press
Per i richiami introduttivi di inferenza statistica e algebra delle matrici gli studenti possono consultare:
Fondamenti di Inferenza Statistica, L. Pieraccini, Ed. Giappichelli
Matrix Differential Calculus in Statistics and Econometrics, J. R. Magnus, H. Neudecker, Ed. Wiley Series in Probability and Statistics
Per le applicazioni con R, gli studenti possono consultare uno dei seguenti testi
Introductory Statistics with R, P. Dalgaard, Ed. Springer
An Introduction to Applied Multivariate Analysis with R, B. Everitt, T. Hothorn, Ed. Springer
scheda docente materiale didattico
Richiami di algebra delle matrici.
Il modello di regressione lineare multipla. Interpretazione e confronto di modelli di regressione. Stime dei minimi quadrati e stime di massima verosimiglianza. Eteroschedasticità e autocorrelazione, multicollinearità, variabili esogene non deterministiche e stimatori alle variabili strumentali, errata specificazione del modello, stabilità della funzione di regressione e uso delle variabili dicotomiche.
Modelli per dati panel: modelli a effetti fissi e modelli a effetti casuali. Stimatori within e between. Test di eteroschedasticità ed autocorrelazione. Modelli dinamici per dati panel: lo stimatore Arellano-Bond.
Modelli con variabili ritardate: modelli di regressione dinamica, modelli a ritardi distribuiti.
Introduzione all'analisi delle serie storiche: processi stocastici, la stazionarietà e la funzione di autocovarianza, processi autoregressivi a media mobile e integrati (AR, MA, ARMA, ARIMA), la procedura di Box e Jenkins.
1) Introduzione all'Econometria, J. H. Stock, M. W. Watson, Ed. Pearson
2) Econometrica, J. Johnston, Ed. Franco Angeli
3) Econometria, M. Verbeek, Ed. Zanichelli
4) Lectures on advanced econometrics, L. Pieraccini, Ed. Aracne
5) Introduction to Time Series Analysis and Forecasting, D. C. Montgomery, C. L. Jennings, M. Kulahci, Ed. Wiley
Alcuni degli argomenti trattati nel corso possono torvarsi anche in
Introductory Econometrics for Finance, C. Brooks, Cambridge University Press
Per i richiami introduttivi di inferenza statistica e algebra delle matrici gli studenti possono consultare:
Fondamenti di Inferenza Statistica, L. Pieraccini, Ed. Giappichelli
Matrix Differential Calculus in Statistics and Econometrics, J. R. Magnus, H. Neudecker, Ed. Wiley Series in Probability and Statistics
Per le applicazioni con R, gli studenti possono consultare uno dei seguenti testi
Introductory Statistics with R, P. Dalgaard, Ed. Springer
An Introduction to Applied Multivariate Analysis with R, B. Everitt, T. Hothorn, Ed. Springer
Mutuazione: 21201408 METODI STATISTICI PER L'ECONOMETRIA in Scienze Economiche LM-56 N0 NACCARATO ALESSIA
Programma
Richiami di inferenza: variabili casuali, test delle ipotesi.Richiami di algebra delle matrici.
Il modello di regressione lineare multipla. Interpretazione e confronto di modelli di regressione. Stime dei minimi quadrati e stime di massima verosimiglianza. Eteroschedasticità e autocorrelazione, multicollinearità, variabili esogene non deterministiche e stimatori alle variabili strumentali, errata specificazione del modello, stabilità della funzione di regressione e uso delle variabili dicotomiche.
Modelli per dati panel: modelli a effetti fissi e modelli a effetti casuali. Stimatori within e between. Test di eteroschedasticità ed autocorrelazione. Modelli dinamici per dati panel: lo stimatore Arellano-Bond.
Modelli con variabili ritardate: modelli di regressione dinamica, modelli a ritardi distribuiti.
Introduzione all'analisi delle serie storiche: processi stocastici, la stazionarietà e la funzione di autocovarianza, processi autoregressivi a media mobile e integrati (AR, MA, ARMA, ARIMA), la procedura di Box e Jenkins.
Testi Adottati
Per il programma del corso gli studenti possono consultare i seguenti testi (i primi tre possono considerarsi alternativi tra loro)1) Introduzione all'Econometria, J. H. Stock, M. W. Watson, Ed. Pearson
2) Econometrica, J. Johnston, Ed. Franco Angeli
3) Econometria, M. Verbeek, Ed. Zanichelli
4) Lectures on advanced econometrics, L. Pieraccini, Ed. Aracne
5) Introduction to Time Series Analysis and Forecasting, D. C. Montgomery, C. L. Jennings, M. Kulahci, Ed. Wiley
Alcuni degli argomenti trattati nel corso possono torvarsi anche in
Introductory Econometrics for Finance, C. Brooks, Cambridge University Press
Per i richiami introduttivi di inferenza statistica e algebra delle matrici gli studenti possono consultare:
Fondamenti di Inferenza Statistica, L. Pieraccini, Ed. Giappichelli
Matrix Differential Calculus in Statistics and Econometrics, J. R. Magnus, H. Neudecker, Ed. Wiley Series in Probability and Statistics
Per le applicazioni con R, gli studenti possono consultare uno dei seguenti testi
Introductory Statistics with R, P. Dalgaard, Ed. Springer
An Introduction to Applied Multivariate Analysis with R, B. Everitt, T. Hothorn, Ed. Springer
scheda docente materiale didattico
Richiami di algebra delle matrici.
Il modello di regressione lineare multipla. Interpretazione e confronto di modelli di regressione. Stime dei minimi quadrati e stime di massima verosimiglianza. Eteroschedasticità e autocorrelazione, multicollinearità, variabili esogene non deterministiche e stimatori alle variabili strumentali, errata specificazione del modello, stabilità della funzione di regressione e uso delle variabili dicotomiche.
Modelli per dati panel: modelli a effetti fissi e modelli a effetti casuali. Stimatori within e between. Test di eteroschedasticità ed autocorrelazione. Modelli dinamici per dati panel: lo stimatore Arellano-Bond.
Modelli con variabili ritardate: modelli di regressione dinamica, modelli a ritardi distribuiti.
Introduzione all'analisi delle serie storiche: processi stocastici, la stazionarietà e la funzione di autocovarianza, processi autoregressivi a media mobile e integrati (AR, MA, ARMA, ARIMA), la procedura di Box e Jenkins.
1) Introduzione all'Econometria, J. H. Stock, M. W. Watson, Ed. Pearson
2) Econometrica, J. Johnston, Ed. Franco Angeli
3) Econometria, M. Verbeek, Ed. Zanichelli
4) Lectures on advanced econometrics, L. Pieraccini, Ed. Aracne
5) Introduction to Time Series Analysis and Forecasting, D. C. Montgomery, C. L. Jennings, M. Kulahci, Ed. Wiley
Alcuni degli argomenti trattati nel corso possono torvarsi anche in
Introductory Econometrics for Finance, C. Brooks, Cambridge University Press
Per i richiami introduttivi di inferenza statistica e algebra delle matrici gli studenti possono consultare:
Fondamenti di Inferenza Statistica, L. Pieraccini, Ed. Giappichelli
Matrix Differential Calculus in Statistics and Econometrics, J. R. Magnus, H. Neudecker, Ed. Wiley Series in Probability and Statistics
Per le applicazioni con R, gli studenti possono consultare uno dei seguenti testi
Introductory Statistics with R, P. Dalgaard, Ed. Springer
An Introduction to Applied Multivariate Analysis with R, B. Everitt, T. Hothorn, Ed. Springer
Mutuazione: 21201408 METODI STATISTICI PER L'ECONOMETRIA in Scienze Economiche LM-56 N0 NACCARATO ALESSIA
Programma
Richiami di inferenza: variabili casuali, test delle ipotesi.Richiami di algebra delle matrici.
Il modello di regressione lineare multipla. Interpretazione e confronto di modelli di regressione. Stime dei minimi quadrati e stime di massima verosimiglianza. Eteroschedasticità e autocorrelazione, multicollinearità, variabili esogene non deterministiche e stimatori alle variabili strumentali, errata specificazione del modello, stabilità della funzione di regressione e uso delle variabili dicotomiche.
Modelli per dati panel: modelli a effetti fissi e modelli a effetti casuali. Stimatori within e between. Test di eteroschedasticità ed autocorrelazione. Modelli dinamici per dati panel: lo stimatore Arellano-Bond.
Modelli con variabili ritardate: modelli di regressione dinamica, modelli a ritardi distribuiti.
Introduzione all'analisi delle serie storiche: processi stocastici, la stazionarietà e la funzione di autocovarianza, processi autoregressivi a media mobile e integrati (AR, MA, ARMA, ARIMA), la procedura di Box e Jenkins.
Testi Adottati
Per il programma del corso gli studenti possono consultare i seguenti testi (i primi tre possono considerarsi alternativi tra loro)1) Introduzione all'Econometria, J. H. Stock, M. W. Watson, Ed. Pearson
2) Econometrica, J. Johnston, Ed. Franco Angeli
3) Econometria, M. Verbeek, Ed. Zanichelli
4) Lectures on advanced econometrics, L. Pieraccini, Ed. Aracne
5) Introduction to Time Series Analysis and Forecasting, D. C. Montgomery, C. L. Jennings, M. Kulahci, Ed. Wiley
Alcuni degli argomenti trattati nel corso possono torvarsi anche in
Introductory Econometrics for Finance, C. Brooks, Cambridge University Press
Per i richiami introduttivi di inferenza statistica e algebra delle matrici gli studenti possono consultare:
Fondamenti di Inferenza Statistica, L. Pieraccini, Ed. Giappichelli
Matrix Differential Calculus in Statistics and Econometrics, J. R. Magnus, H. Neudecker, Ed. Wiley Series in Probability and Statistics
Per le applicazioni con R, gli studenti possono consultare uno dei seguenti testi
Introductory Statistics with R, P. Dalgaard, Ed. Springer
An Introduction to Applied Multivariate Analysis with R, B. Everitt, T. Hothorn, Ed. Springer