Econometria (SCP0455)
Docente:
Anno:
1° anno
Corso di studi:
Laurea magistrale in Metodi statistici ed economici per le decisioni - a Torino [0402M21]
MATERIALE DIDATTICO
AA 2023/2024
Esercitazioni
- Dgp in excel
- Esercitazione1_04_04_2024
- Lab 1. Una Monte-Carlo in spiaggia
- Lab 2. Monte-Carlo OLS
- Lab 3. Monte-Carlo OLS multivariato
- Lab 3. Monte-Carlo OLS multivariato
- Lab 4. OV bias e variabili proxy
- Lab 5. Non linearita e eterogeneita in california
- Lab 6. shape e schedasticita di u
- Lab 7. measurement errors
- Lab 8. approximation error
- Lab 9. SimEx
- SAS SW free__SAS Skill Builder_for_student_2024_gen
- Stimatore minimax
- Tips and tricks
Lezioni
- 01 - Introduzione al corso
- 02 - Dati e domande, richiami di statistica e probabilità
- 03 - Inferenza in econometria - il DGP
- 04 - Introduzione a modello lineare e OLS
- 07 - bias da variabile omessa, OLS nel caso multivariato
- 08 - MV-OLS - test di ipotesi congiunte e aree di confidenza
- 09 - collinearità, test congiunti, OV bias, variabili proxy
- 11 - riders on the storm - intro e specificazione del modello
- Wikipedia - Matrix_calculus
AA 2022/2023
Esercitazioni
- 1. california school
- 10 - causalità simultanea e IV - finale
- 10 - causalità simultanea e IV - template
- 2. Intro alle simulazioni Monte Carlo - 0 - template
- 2. Intro alle simulazioni Monte Carlo - 1 - sample mean
- 2. Intro alle simulazioni Monte Carlo - 2 - OLS
- 3. MC study of MV OLS - finale
- 3. MC study of MV OLS - step 1
- 3. MC study of MV OLS - template
- 4. lab regressione non lineare (facile)
- 5. non normal and homoskedastic errors - finale template
- 6. measurement error sulle X
- Caschool
- Caschool (3)
Lezioni
- 01 - Introduzione al corso
- 02 - Dati e domande, richiami di statistica e probabilità
- 03 - Inferenza in econometria - il DGP
- 04 - Introduzione a modello lineare e OLS
- 05 - introduzione alle simulazioni Monte Carlo
- 06 - dal modello univariato a quello multivariato
- 07 - bias da variabile omessa, OLS nel caso multivariato
- 08 - Il modello multivariato in versione matriciale
- 09 - MV-OLS - test di ipotesi congiunte e aree di confidenza
- 11 - riders on the storm - intro e specificazione del modello
- 12 - modelli non lineari
- 13 - la distribuzione della parte stocastica
- 14 - stime robuste, minimi quadrati ponderati
- 15 - questioni di misura
- 16 - il metodo delle variabili strumentali
- Registrazione lezione II variabili strumentali
- Registrazione lezione questioni di misura
AA 2021/2022
Esercitazioni
- 1 - OLS california schools
- 2. Intro alle simulazioni Monte Carlo - 0 - template
- 2. Intro alle simulazioni Monte Carlo - 1 - macro media campionaria
- 2. Intro alle simulazioni Monte Carlo - 1 - media campionaria
- 2. Intro alle simulazioni Monte Carlo - 1 - media campionaria
- 2. Intro alle simulazioni Monte Carlo - 2 - macro OLS
- 3. MC study of MV OLS
- 4. l aiutino di geary
- 5. non normal and homoskedastic errors - finale - WLS
- 5. non normal and homoskedastic errors - step 1
- 5. non normal and homoskedastic errors - step 2 - HET errors
- 5. non normal and homoskedastic errors - step 3 - monte carlo
- 5. non normal and homoskedastic errors - template
- 6 - measurement issues - template
- Caschool
Lezioni
- 01 - Introduzione al corso
- 02 - Dati e domande, richiami di statistica e probabilità
- 03 - Inferenza in econometria - il DGP
- 04 - Introduzione a modello lineare e OLS
- 05 - introduzione alle simulazioni Monte Carlo
- 06 - dal modello univariato a quello multivariato
- 07 - bias da variabile omessa, OLS nel caso multivariato (1)
- 08 - Il modello multivariato in versione matriciale
- 09 - MV-OLS - test di ipotesi congiunte e aree di confidenza
- 10 - collinearità, test congiunti, OV bias, variabili proxy
- 11 - riders on the storm - intro e specificazione del modello
- 12 modelli non lineari
- 13 - la distribuzione della parte stocastica
- 13 - la distribuzione della parte stocastica
- 14 - questioni di misura
- 15 - il metodo delle variabili strumentali
AA 2020/2021
Articoli
Esercitazioni
- 1. replica statistiche e OLS su dati STAR
- 10 - causalità simultanea e IV - finale
- 10 - causalità simultanea e IV - step 1
- 10 - causalità simultanea e IV - template
- 2. Intro alle simulazioni Monte Carlo - step 1
- 2. Intro alle simulazioni Monte Carlo - step 2
- 2. Intro alle simulazioni Monte Carlo - template
- 3. OLS multivariato - finale
- 3. OLS multivariato - step 1
- 4. dummies trap, and intro to multi collinearity - template
- 5 - OLS in matrix notation using proc IML - finale
- 5 - OLS in matrix notation using proc IML - step 1
- 5 - OLS in matrix notation using proc IML - template
- 6 - collinearita, variabili omesse e proxy - finale
- 6 - collinearita, variabili omesse e proxy - step 1
- 6 - collinearita, variabili omesse e proxy - template
- 7 - non normal and homoskedastic errors - finale
- 7 - non normal and homoskedastic errors - step 1
- 7 - non normal and homoskedastic errors - step 2
- 7 - non normal and homoskedastic errors - template
- 8 - measurement error sulle X
- 9 - test di white e WLS
- Caschool
- Econometria - Esempio esercizi parte 9 cfu
- STAR - the california test scores dataset
Lezioni
- 0 - elenco lezioni
- 01 - Introduzione al corso
- 02 - Dati e domande, richiami di statistica e probabilità
- 03 - Campionamento e proprietà degli stimatori
- 04.1 - inferenza in econometria - il DGP
- 04.2 - introduzione a modello lineare e OLS
- 05 - il mio primo (forse) OLS
- 06 - OLS univariato . assunzioni e proprietà
- 07 - introduzione alle simulazioni Monte Carlo
- 08-9 - studio Monte Carlo delle proprietà degli OLS
- 10 - dal modello univariato a quello multivariato
- 11 - bias da variabile omessa, OLS nel caso multivariato
- 12-14 - Il modello multivariato in versione matriciale
- 15 - MV-OLS - test di ipotesi congiunte e aree di confidenza
- 16-17 - collinearità, test congiunti, OV bias, variabili proxy
- 19 - riders on the storm
- 21 - errori di misura
- 22 - stime robuste, minimi quadrati ponderati
- 23 - il metodo delle variabili strumentali
- 27 modelli non lineari
AA 2019/2020
Articoli
Esercitazioni
- 1. Intro alle simulazioni Monte Carlo - finale
- 1. Intro alle simulazioni Monte Carlo - step 1
- 1. Intro alle simulazioni Monte Carlo - template
- 2. dal modello univariato a quello multivariato - finale
- 2. dal modello univariato a quello multivariato - step 1
- 2. dal modello univariato a quello multivariato - template
- 3 - OLS in matrix notation using proc IML - finale
- 3 - OLS in matrix notation using proc IML - template
- 4 - inferenza negli OLS Multivariati
- 5 - collinearita, variabili omesse e proxy - finale
- 5 - collinearita, variabili omesse e proxy - step 1
- 5 - collinearita, variabili omesse e proxy - template
- 6 - non normal and homoskedastic errors - finale
- 6 - non normal and homoskedastic errors - step 1
- 6 - non normal and homoskedastic errors - template
- 7 - non normal and homoskedastic errors - finale
- 7 - non normal and homoskedastic errors - template
- 8 - test test test, e WLS - finale
- 8 - test test test, e WLS - template
- Caschool
- Descrizione elearning per SAS base e certificazione SCYP
- STAR - the california test scores dataset
- Tip - salvando le stime ols
Lezioni
- 01 - Introduzione al corso
- 02 - Dati e domande, richiami di statistica e probabilità
- 03 - Campionamento e proprietà degli stimatori
- 04.1 - inferenza in econometria - il DGP
- 04.2 - introduzione a modello lineare e OLS
- 05 - il mio primo (forse) OLS
- 06 - OLS univariato . assunzioni e proprietà
- 07 - introduzione alle simulazioni Monte Carlo
- 08 - studio Monte Carlo delle proprietà degli OLS
- 09 - dal modello univariato a quello multivariato
- 09 - dal modello univariato a quello multivariato
- 10 - bias da variabile omessa, OLS nel caso multivariato
- 11 - Il modello multivariato in versione matriciale
- 13 - inferenza nel contesto multivariato
- 14 - MV-OLS - test di ipotesi congiunte e aree di confidenza
- 15-16 - collinearità, test congiunti, OV bias, variabili proxy
- 17 - riders on the storm
- 18 - errori - forma e schedasticità
- 19 - stime robuste, minimi quadrati ponderati
- 20 - data quality e data imputation
- 21-22 - errori di misura
- 23.1 specificazione del modello, non linearità, eterogeneita
- 23.2-24 modelli non lineari
- 25 - confronto tra modelli e WLS - the lab
- 26 - il metodo delle variabili strumentali