Inglese
English
Conoscenza dei seguenti concetti:
(a) algebra delle matrici: spazi vettoriali, somma, prodotto e trasposizione di matrici, concetto di rango e di dipendenza lineare;
(b) concetti di analisi matematica: limiti, derivate, massimi e minimi;
(c) probabilità e inferenza statistica: stimatori, stime, verifica di ipotesi.
Familiarity with:
(a) matrix algebra: vector spaces, sum, product and transposition of matrices, concepts of rank and linear dependence;
(b) calculus: limits, derivatives, maxima and minima;
(c) probability and inference: estimation and hypothesis testing.
Il corso si articola in 33 lezioni tradizionali (da 2 ore ciascuna), divise in due moduli da 22 e 11 lezioni rispettivamente. Durante il corso verranno effettuate esercitazioni pratiche effettuate attraverso l'uso del programma Gretl, liberamente disponibile all'indirizzo http://gretl.sourceforge.net, e del programma R-Rstudio, disponibile all’indirizzo https://rstudio.com/. Gli studenti sono perciò invitati a procurarsi un computer portatile su cui installare il programma e portarlo a lezione per le esercitazioni.
The course is split into two modules (of 22 and 11 two-hour lectures, respectively) during which practice sessions will take place; in the practice sessions the software package Gretl (freely available at http://gretl.sourceforge.net) and R-Rstudio (available at https://rstudio.com/) will be used. Students are invited to get hold of a portable computer on which to install the software and bring it to class for the practice sessions.
Al termine del corso gli studenti saranno in grado di comprendere l’approccio econometrico all’analisi dei dati nei suoi aspetti inferenziali e interpretativi.
Al termine del corso gli studenti saranno in grado di stimare, validare e interpretare modelli di regressione lineare e non, con particolare conoscenza delle problematiche inerenti l’applicazione di tali metodi e l’interpretazione dei risultati in dataset di grandi dimensioni.
Il corso comprende una ricca parte applicativa nella quale gli studenti avranno modo di scrivere programmi software di medio-alta complessità utilizzando un linguaggio specifico per l’econometria.
At the end of the course students will be able to understand the econometric approach to data analysis in its inferential and substantive aspects.
At the end of the course students will be able to estimate, validate and interpret linear and nonlinear regression models , with special knowledge of the methodological issues related to their application and interpretation of the results in the high-dimensional setting.
The course includes software sessions, where students will write programs of increasing complexity using a specially-tailored programming language.
1. Richiami di algebra matriciale: operazioni base, spazi vettoriali, inversione, differenziazione, proiezioni ortogonali. Interpretazione geometrica del metodo dei minimi quadrati (OLS) e proprietà algebriche
2. Modello di regressione lineare multipla, OLS come stimatore, minimi quadrati vincolati, test di ipotesi lineari.
3. Selezione di modelli lineari e regolarizzazione: metodi stepwise, criteri di informazione, cross-validation, LASSO, regressione ridge, reti elastiche
4. Modello di regressione dinamica: modello ADL e ECM.
5. Inferenza robusta: eteroschedasticità (test e stima), errori standard clusterizzati
6. Endogeneità: fonti, stima a variabili strumentali, test di hausman e test di Sargan
7. Il metodo della massima verosimiglianza. I tre test classici. Metodo della quasi massima verosimiglianza
8. Modelli per variabili discrete: logit e probit per dati binari, estensioni a modelli per dati ordinali e multinomiali.
9. Introduzione ai modelli lineari per dati panel: modelli pooled e a effetti fissi, difference-in-difference
1. Matrix algebra: basic operations, vector spaces, inversion, differentiation, orthogonal projections. Geometric interpretation of Ordinary Least Squares (OLS) and algebraic properties
2. Multiple linear regression model, OLS as an estimator, restricted least squares, linear hypothesis testing.
3. Model selection and regularization: stepwise methods, information criteria, cross-validation, LASSO, ridge regressione, elastic nets
4. Dynamic regression models: ADL and ECM.
5. Robust inference: heteroskedasticity (estimation and testing), clustered standard errors
6. Endogeneity: sources, instrumental variables estimation, hausman and Sargan test
7. The method of maximum likelihood. The three classical tests. Quasi maximum likelihood
8. Discrete choice models: binary logit and probit models, extensions to models for ordered and multinomial data.
9. Introduction to linear panel data models: poole and fixed-effects moels, difference-in-difference
L'esame consiste in una prova scritta. Esso consiste di
(a) un test di 5 quesiti VERO/FALSO/INCERTO (VFI) con la possibilità di motivare la risposta.
(b) Un esercizio a carattere teorico.
(c) Un esercizio di interpretazione di un modello empirico proposto dal docente. In alternativa, lo studente svolgerà un esercizio al computer utilizzando un dataset assegnato dal docente.
Nel corso dell'esame scritto gli studenti dovranno dimostrare di avere acquisito una solida conoscenza delle principali questioni dell’econometria, sia nell’aspetto pratico che in quello teorico.
Tramite il corretto svolgimento degli esercizi, gli studenti dovranno dimostrare di conoscere come gli strumenti di analisi trovino applicazione per la risoluzione di problematiche applicate a casi specifici. Essi dovranno invece dimostrare di saper rielaborare concetti teorici generali nei quesiti VFI.
Il voto finale verrà espresso in trentesimi. Lo studente supererà l'esame se otterrà almeno 18. È prevista l’assegnazione del massimo dei voti con lode (30 e lode).
Il voto finale è calcolato come somma algebrica dei punteggi ottenuti nei diversi esercizi della prova scritta. La lode è automatica se viene totalizzato più di 30 pt.
The final test is a written test: it includes
(a) a 5-question test TRUE/FALSE/CANT’S SAY (TFC), with the possibility of providing a motivation for the answer.
(b) A theory exercise.
(c) Interpretation of the results of an empirical model. Alternatively, a student may be asked to do a computer exercise, based on data assigned by the teacher.
The final test is meant to ascertain the student’s knowledge of the principles of econometrics, their theoretical underpinnings and their practical implications. By correctly solving the exercises, students are expected to show their proficiency in applying econometric concepts and tools to real-life cases. Their ability to handle more general theory concepts will be measured by the TFC multiple choice questions.
The final score is between 0 and 30. To pass the test, the minimum is 18/30. Possibly, a mention could be awarded to exceptionally good tests (30 e lode).
The final score is given by the sum of individual exercises. “30 e lode” will be automatically awarded if the score exceeds 30 points.
Stock J., Watson M. Introduction to Econometrics. Pearson, 4th edition.
Dispensa a cura del docente.
Stock J., Watson M. Introduction to Econometrics. Pearson, 4th edition.
Lecture notes.
SI
YES
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427