- Oggetto:
- Oggetto:
Econometria
- Oggetto:
Econometrics
- Oggetto:
Anno accademico 2015/2016
- Codice dell'attività didattica
- SCP0455
- Docenti
- Dalit Contini (Titolare del corso)
Roberto Leombruni (Titolare del corso) - Corso di studi
- Laurea magistrale in Scienze Statistiche, Economiche e Manageriali - a Torino [009504]
- Anno
- 1° anno
- Tipologia
- Caratterizzante
- Crediti/Valenza
- 9
- SSD dell'attività didattica
- SECS-P/05 - econometria
- Modalità di erogazione
- Tradizionale
- Lingua di insegnamento
- Italiano
- Modalità di frequenza
- Facoltativa/Discretionary
- Tipologia d'esame
- Orale
- Prerequisiti
- Preparazione di base di Statistica e Probabilità
- Oggetto:
Sommario insegnamento
- Oggetto:
Obiettivi formativi
L’obiettivo del corso è quello di introdurre lo studente ai concetti e a una pratica avanzata dell'analisi econometrica, imparando ad affrontare i casi più rilevanti in cui non sono applicabili direttamente gli strumenti dell'analisi di regressione lineare classica. Tra gli esempi più rilevanti di violazione delle assunzioni classiche verranno considerati il caso di variabili dipendenti categoriche, di errori non omoschedastici, non indipendenti, non ortogonali, e di errori di misura. Gli argomenti verranno presentati facendo un uso estensivo di simulazioni monte carlo, per conseguire una migliore comprensione dei concetti discussi, e per introdurre lo studente alla pratica delle tecniche di stima e di validazione basata su modelli computazionali.
The aim of the course is to introduce the students to the theory and the practice of econometric models in contexts in which the classical assumptions of the Ordinary Least Squares estimator do not hold. Among the issues that will be considered during the course there are: categorical dependent variables; non-homoskedastic errors; non-indepentent errors; non orthogonal errors; errors in variables. The arguments will be presented by means of an extensive use of monte-carlo studies, to achieve a better understanding of the concepts presented, and to introduce the students to the practice of computational-based estimation and validation techniques.
- Oggetto:
Risultati dell'apprendimento attesi
Lo studente dovrà essere in grado di svolgere e discutere autunomamente analisi empiriche basate sul modello di regressione lineare ordinaria quando le sue assunzioni son verificate, nonché di affrontare alcuni casi notevoli di violazione delle assunzioni, tra cui il caso di variabili dipendenti categoriche, osservazioni non IID, di problemi di qualità dei dati, di errori non ortogonali tramite l'uso di variabili strumentali.
The studente shall be able to conduct and comment analyses based on regression model under the OLS assumptions, and in selected cases in which the latter are violated, such as categorical dependent variables, non-IID errors using WLS, and instrumental variables.- Oggetto:
Modalità di insegnamento
Lezioni frontali, e laboratori utilizzando i Software SAS e Stata.
Sono previste anche alcune lezioni dedicate a svolgere esercizi tipo esame.
Le lezioni sono facoltative.
Face to face lessons, and workshops using the SAS and Stata softwares.
There will be also a few classes devoted to the solutions of mock exams.
Attendance is not compulsory.
- Oggetto:
Modalità di verifica dell'apprendimento
L'esame finale consiste in una prova scritta, divisa in:
- una parte strutturata di teoria, con un set di 3 item a scelta multipla; e 6-8 item vero/falso relativi a 2 argomenti.
- tre esercizi semi strutturati, in cui lo studente deve commentare i risultati di analisi di regressione presentati nel testo, discutendo gli aspetti specifici richiesti nel testo.
Per gli studenti che hanno superato la prova scritta è prevista la possibilità di sostenere una prova orale.
The final exam will involve a written test, with the following sections:
- 3 multiple choice items; 6-8 true/false items on 2 different themes;
- 3 semi-structured exercises, where the student is asked to comment the results of some regression analyses, discussing the specific aspects asked in the exercise.
- Oggetto:
Programma
Dati e modelli economici.
Il modello dei minimi quadrati ordinari.
Errori non IID: minimi quadrati ponderati e generalizzati.
Qualità dei dati: outliers, dati mancanti, dati misurati con errore.
Errori non ortogonali: metodo delle variabili strumentali.Variabili dipendenti categoriche: modelli logit, probit, multinomial e ordinal logit.
Economic data and models.
The ordinary least squares model.
Non IID errors: WLS and GLS.
Data quality: outliers, missing data, measurement errors.
Non orthogonal errors: the instrumental variables method.Models for categorical dependent variables: logit, probit, multinomial and ordinal logit.
Testi consigliati e bibliografia
- Oggetto:
Come materiale didattico, verranno utilizzati:
- il testo Stock J.H., Watson M.W. (vari anni), Introduzione all’econometria, Pearson Education Italia, Milano;Ed 2005: capitoli 1-7, 10, 15 (solo par. 15.6)
Ed 2009, 2012: capitoli 1-9, 12, 17 (solo par. 17.5)
- il testo J. Scott Long (Regression models for categorical and limited dependent variables): capitoli 3, 5, 6.
- i codici e i risultati commentati dei laboratori in aula informatica svolti durante il corso.
The teaching materials are the following:
- the textbook by Stock J.H. and Watson M.W. (Introduzione all’econometria, Pearson Education Italia, Milano);Ed 2005: capitoli 1-7, 10, 15 (solo par. 15.6)
Ed 2009, 2012: ch. 1-9, 12, 17 (§17.5 only);
- the textbook by J. Scott Long (Regression models for categorical and limited dependent variables): ch. 3, 5, 6.
- computer codes and commented results from the laboratories organized during the course in the computer lab.
- Oggetto:
Note
Orario Lezioni
Lun-Mar-Mer, 12:00-14:00, Aula LL1
- Oggetto:
Altre informazioni
http://www.didattica-est.unito.it/do/home.pl/View?doc=home_appelli.html- Oggetto:
