• Edizioni di altri A.A.:
  • 2015/2016
  • 2016/2017
  • 2017/2018
  • 2018/2019
  • 2019/2020
  • 2020/2021
  • 2021/2022
  • 2021/2022
  • 2023/2024
  • 2024/2025
  • 2025/2026
  • 2026/2027

  • Lingua Insegnamento:
    ITALIANO 
  • Testi di riferimento:
    Appunti del corso.
    Wooldridge, J. (2013) Introductory Econometrics, a Modern Approach,
    Cengage
    Kleiber C. Zeileis A. (2008) Applied Econometrics with R, Springer, UseR!
    series
    Kelejian H. Piras G. (2017) Spatial Econometrics, Elsevier
    Materiale addizionale segnalato durante il corso per approfondire alcuni
    argomenti. 
  • Obiettivi formativi:
    L'insegnamento di Econometria ha lo scopo di contribuire al processo
    formativo dello studente fornendo strumenti indispensabili per
    comprendere ed analizzare dati economici. A sua volta, l’analisi e la
    comprensione dei suddetti dati permetterà allo studente di prendere
    decisioni razionali su una moltitudine di problemi economici a vari livelli.
    Il corso intende fornire le conoscenze metodologiche e applicative di base
    dell’econometria utilizzando esempi collegati a problemi reali. Gli esempi
    saranno svolti sul pacchetto statistico R.
    Al termine del corso lo studente sarà in grado di applicare le conoscenze
    acquisite per risolvere complessi problemi economici. 
  • Prerequisiti:
    Un corso di statistica di base e rudimenti di probabilità. 
  • Metodi didattici:
    Lezioni, esercitazioni periodiche anche con l’ausilio del software R 
  • Modalità di verifica dell'apprendimento:
    La verifica dei risultati di apprendimento sarà effettuata tramite un
    esame scritto e orale. L’esame scritto riguarda tutto il programma svolto
    e consiste di una parte di domande teoriche e una parte da svolgere sul
    software R. 
  • Sostenibilità:
    Nel corso vengono presentati alcuni esempi pratici legati agli obiettivi di Sviluppo Sostenibile dell'Agenda ONU 2030. In particolare, nel corso vengono affrontate questioni legate agli obiettivi:
    -Obiettivo 8: Incentivare una crescita economica duratura, inclusiva e sostenibile, un’occupazione piena e produttiva ed un lavoro dignitoso per tutti ; 
  • Altre Informazioni:
    e-mail: gianfranco.piras@unich.it
    Per il ricevimento lo studente deve contattare il docente al precedente
    indirizzo email. 

1. La natura dell’ Econometria e tipologie di dati economici
2. Il Modello di Regressione Semplice e metodi di stima: OLS, MM, ML 3. Il
Modello di Regressione Multipla:
Inferenza Statistica e Test di Ipotesi
4. Forma Funzionale del Modello di Regressione.
5. Regressione con Variabili Dummy
6. Correlazione cross-section e introduzione ai modelli spaziali
7. Introduzione ai dati panel
8. Introduzione all’utilizzo di R e elementi base di programmazione

1. Che cosa è l’Econometria e fasi di una analisi empirica.
2. Struttura dei dati economici: cross section, serie storiche e dati
longitudinali
3. Definizione e derivazione del modello lineare semplice:
- Proprietà del metodo dei minimi quadrati (OLS).
- Unità di misura e forma funzionale.
- Valore atteso e varianza dello stimatore OLS.
4. Definizione e derivazione del modello lineare multiplo:
- Meccanismo e interpretazione dei coefficienti
- Confronto tra il modello semplice e quello multiplo.
- Valore atteso e varianza dello stimatore OLS.
- Il teorema di Gauss-Markov e l’ efficienza dello stiamatore OLS.
5. Inferenza del modello di regressione lineare
- Test di ipotesi su un singolo coefficiente
- Test di ipotesi su una combinazione lineare dei coefficienti
- Test F
6. Ulteriori argomenti del modello di regressione multipla
- Effetto di scaling dei dati
- Forma funzionale: uso dei logaritmi forme quadratiche modelli con
interazioni di variabili.
7. Regressione lineare con dummy variables: modelli con una
dummy, modelli con più di una dummy, linear probability model (LPM)'
8. Introduzione ai modelli spaziali
- Definizione della matrice dei pesi
- Specificazione di modelli spaziali: SARAR, LAG, ERROR, MIXED ecc.
- Metodi di stima per i modelli spaziali: Variabili Strumentali e massima verosimiglianza
9. Modelli Panel: pooled, effetti fissi ed effetti random

Avvisi

Nessun avviso in evidenza

Documenti

Nessun documento in evidenza

Scopri cosa vuol dire essere dell'Ud'A

SEDE DI CHIETI
Via dei Vestini,31
Centralino 0871.3551

SEDE DI PESCARA
Viale Pindaro,42
Centralino 085.45371

email: info@unich.it
PEC: ateneo@pec.unich.it
Partita IVA 01335970693

icona Facebook   icona Twitter

icona Youtube   icona Instagram