mail unicampaniaunicampania webcerca

    Rosanna PITTIGLIO

    Insegnamento di ECONOMETRICS

    Corso di laurea in DATA ANALYTICS

    SSD: SECS-P/05

    CFU: 6,00

    ORE PER UNITÀ DIDATTICA: 48,00

    Periodo di Erogazione: Secondo Semestre

    Italiano

    Lingua di insegnamento

    INGLESE

    Contenuti

    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.

    Testi di riferimento

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

    Obiettivi formativi

    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.

    Prerequisiti

    E' richiesta una conoscenza di base di statistica

    Metodologie didattiche

    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.

    Metodi di valutazione

    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.

    Altre informazioni

    nessuna

    Programma del corso

    (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

    Teaching language

    English

    Contents

    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.

    Textbook and course materials

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

    Course objectives

    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.

    Prerequisites

    Basic knowledge of statistics is necessary.

    Teaching methods

    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.

    Evaluation methods

    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.

    Other information

    none

    Course Syllabus

    (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.

     

    facebook logoinstagram buttonyoutube logotype