File : Intesta_Darsena_1^pagina-3B

DIPARTIMENTO di ECONOMIA - DIEC
Scuola di Scienze Sociali
SCUOLA DI
SCI ENZE SOCI ALI
Econometria 1 cod. 24615
Corso di studi: Economia e Commercio
Curriculum: Economico generale - Economico finanziario
A.A. 2014/15
Docente
Malvina MARCHESE
Anno di corso: III
SSD: SECS-P/05
e-mail:
Sem: II
cfu: 6
[email protected]
Sede: Genova
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 per lo stesso modello e a verificarne la
validità in caso di modifiche alle ipotesi iniziali.
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
DIPARTIMENTO di ECONOMIA - DIEC
Scuola di Scienze Sociali
SCUOLA DI
SCI ENZE SOCI ALI
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.
Partitioned regression result:derivazione e applicazioni a casi specifici.
Parte IV: TEST DELLE IPOTESI NEL MODELLO DI REGRESSIONE LINEARE MULTIPLO.
T test per la significativita’ di singoli regressori.
Wald test per una o piu’ restrizioni lineari: derivazione delle test statistics e della loro distribuzione, applicazione a
regressioni specifiche.
F-test per una o piu’ restrizioni lineari: test statistics e loro distribuzioni,esempi applicativi.
Test per la significativita’ di una regressione.
Parte V: ANALISI DI REGRESSION OUTPUTS
Analisi di output di regressione in EViews o Stata e dettagliata comprensione di ciascuno degli elementi
dell’output.
Parte VI:PROBLEMI DI ERRONEA SPECIFICAZIONE DEL MODELLO
Multicollinearita’ perfetta, esempi e analisi delle conseguenze sul modello
Multicollinearita’ imperfetta: conseguenze sugli stimatori e metodi per correggerla.
Esclusione di variabili significative: conseguenze sugli stimatori.
Inclusione di variabili non rilevanti: conseguenze sugli stimatori.
Analisi di output di regressione nei casi di erronea specificazione del modello.
PARTE VI: FALLIMENTO DELLE IPOTESI DI GAUSS-MARKOV
Endogeneita’: analisi delle origini, esempi di errore di misura,conseguenze dell’endogemeita’sugli stimatori OLS,
stimatori IV e loro proprieta’.
Eteroschedasticita’: test per l’eteroschedasticita’,conseguenze sugli stimatori OLS,stimatore GLS e sue proprieta’.
Analisi di output di regressione in casi di 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
DIPARTIMENTO di ECONOMIA - DIEC
Scuola di Scienze Sociali
SCUOLA DI
SCI ENZE SOCI ALI
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 acquisiranno una conoscenza rigorosa delle tecniche
econometriche di base, sia negli aspetti teorici sia in quelli applicati all’analisi di dati economici. Al
termine del corso saranno in grado di comprendere come utilizzare dati di natura economica per studiare
relazioni macroeconomiche e microeconomiche.
Capacità di applicare conoscenza e comprensione Gli studenti al termine del corso saranno in grado di
valutare empiricamente relazioni di dipendenza tra variabili economiche di interesse, dunque saranno in
grado di testare sui dati le principali teorie economiche e di verificarne empiricamente la validità. Inoltre
avranno acquisito conoscenze del principale software di econometria di base, E-Views, e saranno in grado
di utilizzarlo autonomamente.
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’.
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
econometrica e di interpretarne i risultati per rispondere a domande di teoria economica.
Capacità di apprendimento Gli studenti devono sviluppare un ‘autonoma capacità di analisi che consenta
di testare autonomamente teorie economiche dal punto di vista applicato e di leggere i principali risultati
nella letteratura di econometria applicata.
Modalità didattiche, obblighi, testi e modalità di accertamento.
Modalità didattiche
Lezioni frontali, analisi di dati tramite il software E-Views.
Presente su Aulaweb Si ☒
Obblighi
La frequenza del corso non è obbligatoria, ma fortemente raccomandata.
Testi di studio
Stock Watson “Introduzione all’econometria” Pearson editrice
Appunti del docente disponibili su Aulaweb.
Modalità di
accertamento
Esame
Ripetizione
dell’esame
Lo studente non può ripetere l’esame più di tre volte nel corso di un anno solare.
☒ scritto
Informazioni aggiuntive per gli studenti non frequentanti
Modalità didattiche
Il programma per gli studenti non frequentanti è invariato rispetto al 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
Stock, Watson “Introduzione all’econometria” Pearson editrice
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
DIPARTIMENTO di ECONOMIA - DIEC
Scuola di Scienze Sociali
SCUOLA DI
SCI ENZE SOCI ALI
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.
☒ scritto
Modalità di
accertamento
Esame
Ripetizione
dell’esame
Lo studente non può sostenere l’esame più di tre volte nel corso di un anno solare.
For foreign students
Course description
A rigorous course in Priciples of Econometrics. The course is designed to introduce
students to the simple and multiple linear regression model under the classical
assumptions.Topics include: Statistical background; continuous distribution, sampling
theory, estimation, hypothesis testing, asymptotic theory. The Linear Model; multiple
regression, t-and F-tests, dummy variables, multicollinearity, linear restrictions,
measurement errors, omitted variables. Maximum likelihood estimation and the Wald,
Likelihood Ratio, and Lagrange Multiplier tests. Limited dependent variable models.
Generalised least squares, serial correlation,heteroskedasticity.An introductory knowledge
of probability,statistical inference and linear algebra is a pre-requisite.
Methodology
Lectures and classes.
Attendance
Attendance is not compulsory ,however it is strongly recommended.
Textbook and other
reccomended
resources
Stock, Watson “Introduction to Econometrics”, Pearson.
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’elearning AulaWeb (raggiungibile dal sito di Ateneo o all’indirizzo: http://www.economia.aulaweb.unige.it/). Tutte
le informazioni e i materiali relativi a questo insegnamento sono pubblicate esclusivamente in tale sito.