mail unicampaniaunicampania webcerca

    Francesco PASTORE

    Insegnamento di ECONOMETRIA

    Corso di laurea magistrale in ECONOMIA, FINANZA E MERCATI

    SSD: SECS-P/05

    CFU: 10,00

    ORE PER UNITÀ DIDATTICA: 70,00

    Periodo di Erogazione: Primo Semestre

    Italiano

    Lingua di insegnamento

    ITALIANO

    Contenuti

    Le competenze econometriche sono ormai parte fondamentale ed imprescindibile del bagaglio di conoscenze tecniche di manager d’azienda, consulenti del settore privato o pubblico, componenti di centri di ricerca economica, sia nel campo aziendale che dell’economia politica.
    Il corso si propone di sviluppare competenze di tipo quantitativo e applicate all’analisi dei dati nel discente. Lo scopo del corso è quello di affinare le capacità logico-analitiche dello studente e allo stesso tempo di dotarlo di capacità di analisi e di ricerca autonoma nel campo delle conoscenze economiche. Non esiste più teoria economica senza verifica econometrica. Ogni analisi economica, anche quelle pubblicate sui quotidiani, fanno ormai ampio uso di metodologie statistiche ed econometriche. Senza queste ultime diventa difficile apprezzare appieno le condizioni, le ipotesi sottostanti e le conclusioni di un qualunque studio economico.
    L’approccio del corso sarà di tipo applicato, partendo dal presupposto che gli studenti difficilmente saranno in futuro econometrici puri, ma piuttosto utilizzatori di conoscenze econometriche e/o ricercatori capaci di elaborare dati statistici a fini di analisi economica ad un livello più o meno avanzato. Perciò, l’orario delle lezioni sarà diviso equamente fra lezioni frontali e in laboratorio, proprio allo scopo di consentire ai discenti di familiarizzarsi con l’uso dei principali software econometrici. Si presupporrà una certa conoscenza della Statistica.
    Inoltre, al fine di favorire lo sviluppo della capacità autonoma dello studente nell’analisi dei dati, ai corsisti si richiederà l’elaborazione di una tesina e, quindi, l’utilizzo di adeguati software econometrici.

    Testi di riferimento

    Testi di riferimento per la parte teorica:

    A) Testo base

    Hill, R.C., W.E. Griffith, G.C: Lim (2014), Principles of Econometrica, 4th edition, Wiley.

    B) Testi consigliati

    Cappuccio N. e R. Orsi, Introduzione all’econometria, Giappichelli, Torino, 2011.
    Gujarati, D. N., Basic Econometrics, McGraw Hill, 5th ed., 2008.
    Johnston, J., Econometrica, F. Angeli, Milano, 2012.
    Papagni, E., Appunti del corso di Econometria
    Pastore, F., Lezioni introduttive di analisi delle serie storiche

    Testi di riferimento per le esercitazioni:

    A) Testo base:

    Adkins, L.A. e R.C. Hill (2014), Using Stata for Principles of Econometrics, 4th ed., Wiley.

    B) Testi consigliati

    Griffith, W.E., R.C. Hill e G.C: Lim (2014), Using Eviews for Principles of Econometrics, 4th ed., Wiley.
    Pesaran, M.H. e B. Pesaran: Microfit, An interactive econometric software package, Oxford University Press, Oxford, 1996.
    Longhi, E. e A. Nandi (2015), A Practical Guide to Using Panel Data, Sage, New York.

    Terti di lettura

    Angrist, J.D. and J.-S. Pischke (2008), Mostly harmless Econometrics. An Empiricist’s Companion, Princeton University Press, Princeton.

    Obiettivi formativi

    Come accennato in precedenza, il corso seguirà un approccio applicato, partendo dal presupposto che gli studenti difficilmente saranno econometrici puri in futuro, ma piuttosto utenti di conoscenze econometriche e / o ricercatori in grado di elaborare dati statistici per analisi economiche a un livello più o meno elevato. livello avanzato. Pertanto, il tempo di lezione sarà diviso in parti uguali tra le lezioni e in laboratorio, al fine di consentire agli studenti di familiarizzare con l'uso del principale software econometrico. Si presume una certa conoscenza delle statistiche. Ci aspettiamo che gli studenti siano in grado di analizzare diversi tipi di dati statistici (sezioni trasversali, serie temporali, dati panel) e interpretare i risultati ottenuti.
    Inoltre, al fine di favorire lo sviluppo della capacità autonoma dello studente nell'analisi dei dati, ai tirocinanti sarà richiesto di elaborare una breve tesi e, quindi, di utilizzare appropriate metodologie e software econometrici allo scopo di attuare la propria ricerca.

    Prerequisiti

    Conoscenza della statistica descrittiva ed inferenziale. Conoscenza delle ipotesi di base del metodo dei minimi quadrati ordinari e dei principali test statistici di verifica della bontà dei coefficienti e del modello nel suo complesso,

    Metodologie didattiche

    Le lezioni frontali sono svolte con l’ausilio di dettagliate presentazioni in power point che saranno fornite ai corsisti come ulteriore strumento di studio. Le lezioni sono comunque svolte con un approccio dialogico, cercando sempre di coinvolgere gli studenti nella discussione e spingendoli a interpretare il materiale in discussione e interagire continuamente con il docente. Inoltre, si adotta un approccio del tipo problem solving, cercando sempre di accompagnare la discussione teorica con l’applicazione a casi concreti, nella convinzione che l’econometria è, per i suoi utilizzatori, soprattutto una metodologia di analisi di casi specifici.
    Le lezioni, oltre che ex cathedra, prevedono anche lo svolgimento di esercitazioni in laboratorio con l’utilizzo di diversi data sets e software econometrici, tra i quali Stata e, nel caso il percorso scelto per la parte monografica sia sull’analisi delle serie storiche, Microfit.

    Metodi di valutazione

    I candidati devono sostenere una prova scritta ed una prova orale.
    Per i corsisti, sarà svolta una prova di esonero di metà corso sulla prima parte relativa al modello di regressione classica. La prova orale sarà svolta su una tesina che il corsista concorderà con il docente.

    Programma del corso

    Il corso tratta i seguenti argomenti. Si divide in due parti. La prima parte, sul modello di regressione classica, è così strutturata:

    1. Ripasso di statistica descrittiva ed inferenziale;
    2. Modello dei minimi quadrati ordinari: il caso bivariato;
    3. Stime per intervalli e test delle ipotesi;
    4. Previsioni, bontà di adattamento e modellazione;
    5. Il caso multivariato del modello dei minimi quadrati ordinari;
    6. Test delle ipotesi e verifica del modello multivariato;
    7. Variabili dicotomiche e Errori di specificazione;
    8. Eteroschedasticità: diagnostica e correzioni (GLS);
    9. Autocorrelazione dei residui: test e correzioni: gli operatori di ritardo;
    10. Analisi delle serie storiche e cointegrazione;
    11. Modelli con equazioni simultanee;
    12. Analisi dei dati panel;
    13. Modelli con variabili dipendenti qualitative.

    La seconda parte, di tipo monografico, può riguardare l’analisi delle serie storiche oppure altre branche dell’econometria, come l’analisi panel, l’analisi di causalità o la valutazione d’impatto dei programmi di politica economica. L’analisi delle serie storiche è così strutturata:

    1. Correlazione spuria;
    2. White noise e random walk;
    3. Test della radice unitaria;
    4. Scelta fra modelli alternativi;
    5. Definizione di cointegrazione;
    6. La procedura a due stadi di Engle e Granger;
    7. Analisi dei break strutturali;
    8. Il caso multivariato: la procedura di Johansen.

    English

    Teaching language

    Italian

    Contents

    Econometric skills are now a fundamental and indispensable part of the technical knowledge of business managers, consultants in the private or public sector, fellows of economic research centers, both in the corporate field and in political economy.
    The course aims to develop quantitative skills and skills applied to data analysis in the learner. The aim of the course is to refine the student's logical-analytical skills and, at the same time, to equip learners with the capacity for analysis and autonomous research in the field of econometric knowledge. There is no more economic theory without econometric verification. Every economic analysis, even those published in newspapers, now make extensive use of statistical and econometric methods. Without the latter it becomes difficult to fully appreciate the conditions, the underlying assumptions and the conclusions of any economic study.
    The course approach will be applied, starting from the assumption that students will hardly be pure econometricians in the future, but rather users of econometric knowledge and / or researchers able to process statistical data for economic analysis at a more or less advanced level. Therefore, the lesson time will be divided equally between lectures and in the laboratory, in order to allow learners to become familiar with the use of the main econometric software. A certain knowledge of Statistics will be assumed.
    Moreover, in order to favor the development of the student's autonomous capacity in data analysis, the trainees will be required to draw up a short thesis and, therefore, to use appropriate econometric methodologies and software.

    Textbook and course materials

    Reference textbooks for the theoretical part:

    A) Main textbooks

    Hill, R.C., W.E. Griffith, G.C: Lim (2014), Principles of Econometrics, 5th edition, Wiley.

    B) Suggested textbooks

    Cappuccio N. e R. Orsi, Introduzione all’econometria, Giappichelli, Torino, 2011.
    Gujarati, D. N., Basic Econometrics, McGraw Hill, 5th ed., 2008.
    Johnston, J., Econometrica, F. Angeli, Milano, 2012.
    Papagni, E., Appunti del corso di Econometria
    Pastore, F., Lezioni introduttive di analisi delle serie storiche, Seconda Università di Napoli, typescript.


    Reference textbooks for classes:

    A) Main textbook

    Adkins, L.A. e R.C. Hill (2014), Using Stata for Principles of Econometrics, 4th ed., Wiley.

    A) For the monographic parts, according to the chosen path

    Griffith, W.E., R.C. Hill e G.C: Lim (2014), Using Eviews for Principles of Econometrics, 4th ed., Wiley.
    Pesaran, M.H. e B. Pesaran: Microfit, An interactive econometric software package, Oxford University Press, Oxford, 1996.
    Longhi, E. e A. Nandi (2015), A Practical Guide to Using Panel Data, Sage, New York.

    Basic reading list

    Angrist, J.D. and J.-S. Pischke (2008), Mostly harmless Econometrics. An Empiricist’s Companion, Princeton University Press, Princeton.

    Course objectives

    As noted above, the course will follow an applied approach, starting from the assumption that students will hardly be pure econometricians in the future, but rather users of econometric knowledge and / or researchers able to process statistical data for economic analysis at a more or less advanced level. Therefore, the lesson time will be divided equally between lectures and in the laboratory, in order to allow learners to become familiar with the use of the main econometric software. A certain knowledge of Statistics will be assumed. We expect learners to be able to analyze different types of statistical data (cross-sections, time series, panel data) and to interpret the obtained results.
    Moreover, in order to favor the development of the student's autonomous capacity in data analysis, the trainees will be required to draw up a short thesis and, therefore, to use appropriate econometric methodologies and software to the aim of implementing their own research.

    Prerequisites

    Knowledge of descriptive and inferential statistics. Knowledge of the basic assumptions of the method of least squares and of the main statistical tests to verify the validity of the coefficients and the model as a whole;

    Teaching methods

    Lectures are carried out with the help of detailed power point presentations that will be provided to the students as an additional study tool. The lessons are however carried out with a dialogic approach, always trying to involve the students in the discussion and pushing them to interpret the material in question and interact continuously with the teacher. Moreover, a problem solving approach is adopted, always trying to accompany the theoretical discussion with the application to concrete cases, in the belief that econometrics is, for its users, above all a methodology of analysis of specific cases.
    In addition to the ex cathedra lectures, the course will involve practical training in the laboratory using different data sets and econometric software, such as Stata and, in case of a monographic part on time series analysis, Microfit.

    Evaluation methods

    Candidates to the exam will have to pass a written and an oral exam.
    For the students who will attend the course, a mid-term exam will be used to exempt course attendants of the part on the classical regression model. The oral examination will be based on discussion of an essay that the student attending the course will have agreed with the lecturer.

    Course Syllabus

    The course is divided in two parts. Part one on the classical regression model is structured as follows:
    1. Review of concepts of inferential statistics;
    2. Ordinary least square: the bivariate case;
    3. Interval estimation and hypothesis testing;
    4. Prediction, Goodness of Fit and Modelling Issues;
    5. The multivariate case of OLS;
    6. Hypothesis testing and goodness of fit of OLS in the multivariate case;
    7. Dichotomous variables and specification errors;
    8. Heteroschedasticity: testing for heteroschedasticity, GLS and corrections;
    9. Autocorrelation of residuals: test and corrections: lagged operators;
    10. Time series analysis and cointegration;
    11. Simultaneous equation models;
    12. Panel data analysis;
    13. Qualitative dependent variables.

    Part two, the monographic part, will regard time series analysis or other branches of applied econometrics, such as panel data analysis, causality analysis or economic policy evaluations. Time series analysis is structured as follow:

    1. Spurious correlation;
    2. White noise and random walk;
    3. Unit root tests;
    4. Choice among alternative models;
    5. Definition of cointegration;
    6. Two step Engle and Granger procedure;
    7. Structural break analysis;
    8. The multivariate case: Johansen procedure.

    facebook logoinstagram buttonyoutube logotype