Le lezioni dell’insegnamento sono erogate in lingua italiana.

L’insegnamento introduce i principali strumenti dell’economia applicata utili per l’analisi empirica dei processi innovativi. In particolare, l’insegnamento affronta: 1) i fondamenti del modello di regressione lineare semplice e multipla; 2) l’inferenza statistica, con particolare riferimento a intervalli di confidenza e test delle ipotesi; 3) l’uso di variabili indicatrici per l’analisi di caratteristiche qualitative rilevanti nei processi innovativi; 4) l’analisi di dati in serie storica e panel; 5) l’utilizzo del software Stata per la gestione dei dati, la stima dei modelli e l’interpretazione dei risultati; 6) l’applicazione dei metodi econometrici a dati sull’innovazione a livello di impresa e di Paese; 7) la discussione di evidenze empiriche e di elaborati individuali o di gruppo su temi dell’innovazione. Il percorso didattico integra fondamenti teorici, strumenti quantitativi e applicazioni empiriche, così da consentire allo studente di collegare i modelli econometrici alle principali questioni economiche relative all’innovazione.

Hill, R. C., Griffiths, W. E., & Lim, G. C. (2013). Principi di econometria. Zanichelli.

Capp. 2, 3, 5, 7, 9, 15
Ulteriori materiali didattici, esercizi, dataset, slide e contributi scientifici di approfondimento su temi dell’economia dell’innovazione saranno resi disponibili dal docente durante il semestre tramite la piattaforma istituzionale o altri canali ufficiali dell’insegnamento.
Indicazioni per studenti non frequentanti:
Gli studenti non frequentanti dovranno preparare il testo di base e studiare integralmente i materiali integrativi indicati dal docente ai fini della preparazione dell’elaborato e della prova finale.

L’insegnamento intende fornire allo studente conoscenze e strumenti operativi per l’analisi empirica dei processi innovativi, con particolare attenzione all’uso di Stata e all’interpretazione di evidenze empiriche su dati di impresa e macroeconomici.
In coerenza con i descrittori di Dublino, al termine dell’insegnamento lo studente dovrà essere in grado di:
A. Conoscenza e capacità di comprensione
Comprendere i principali concetti e metodi dell’economina applicata rilevanti per l’analisi dell’innovazione; descrivere la logica dei modelli di regressione lineare, delle procedure di inferenza statistica e delle principali strutture di dati utilizzate negli studi empirici sull’innovazione.
B. Capacità di applicare conoscenza e comprensione
Applicare i principali strumenti econometrici all’analisi di dataset relativi all’innovazione; utilizzare Stata per organizzare i dati, stimare modelli, verificare ipotesi e rappresentare i risultati in modo corretto.
C. Autonomia di giudizio
Valutare la coerenza tra domanda di ricerca, dati disponibili e specificazione empirica; interpretare criticamente i risultati delle stime; discutere limiti, ipotesi e implicazioni dell’analisi empirica in relazione alle teorie economiche dell’innovazione.
D. Abilità comunicative
Presentare in forma scritta e orale un’analisi ecompirica con linguaggio tecnico appropriato; costruire e commentare tabelle, grafici e indicatori sintetici; argomentare in modo chiaro le scelte metodologiche e i risultati ottenuti.
E. Capacità di apprendimento
Sviluppare autonomia nello studio di ulteriori metodi quantitativi e nella lettura della letteratura empirica; trasferire le competenze acquisite a nuovi problemi di ricerca nel campo dell’innovazione.
Contenuti minimi richiesti per il superamento:
Per superare la prova finale lo studente dovrà dimostrare almeno una conoscenza sufficiente del modello di regressione lineare semplice e multipla, dei principali strumenti di inferenza statistica, dell’uso di variabili dummy e delle nozioni di base relative all’analisi di dati in serie storica o panel, nonché la capacità di leggere e interpretare correttamente l’output essenziale di una stima econometrica realizzata in Stata.

Per affrontare con profitto l’insegnamento sono richieste conoscenze di base di Microeconomia, Economia industriale e Statistica. In particolare, è raccomandata la familiarità con i principali concetti di analisi microeconomica, con gli elementi essenziali della teoria dell’impresa e dei mercati, nonché con la statistica descrittiva e inferenziale di base. Non sono previste propedeuticità ulteriori, ma tali conoscenze preliminari sono fortemente consigliate per una partecipazione efficace alle attività applicative e al project work.

L’insegnamento si articola in lezioni frontali, esercitazioni applicative al computer e attività di project work individuale o di gruppo. Le lezioni frontali sono finalizzate alla comprensione dei fondamenti teorici dell’econometria applicata all’innovazione e all’introduzione dei principali modelli utilizzati nell’analisi empirica. Le esercitazioni applicative consentono agli studenti di utilizzare il software Stata per la gestione dei dati, la stima dei modelli e la lettura critica dei risultati. Il project work è volto a sviluppare la capacità di applicare in autonomia i metodi appresi a problemi empirici coerenti con gli argomenti dell’insegnamento. La discussione in aula di esercizi, output e lavori svolti contribuisce inoltre allo sviluppo dell’autonomia di giudizio, del problem solving e delle abilità comunicative. Eventuali materiali di supporto saranno resi disponibili online.

La verifica dell’apprendimento consiste in una prova scritta finale, senza prova orale, basata su un elaborato contenente un’analisi ecompirica su dati relativi all’innovazione, svolta su argomenti coerenti con il programma dell’insegnamento. L’elaborato richiede allo studente di: definire in modo corretto il problema empirico; selezionare il modello econometrico appropriato; organizzare e analizzare i dati mediante il software Stata; presentare i risultati tramite output, tabelle e grafici pertinenti; interpretare criticamente i risultati alla luce delle principali teorie economiche dell’innovazione.
La valutazione finale verifica il raggiungimento dei risultati di apprendimento attesi e tiene conto dei seguenti criteri: 1) correttezza nell’impostazione del problema e nell’uso dei concetti teorici; 2) appropriatezza della strategia empirica e del modello stimato; 3) capacità di utilizzare correttamente Stata e di leggere l’output econometrico; 4) qualità dell’interpretazione dei risultati e capacità di discuterne limiti e implicazioni; 5) chiarezza espositiva, rigore argomentativo e uso appropriato del linguaggio tecnico.
Requisiti minimi per il superamento:
Per conseguire una valutazione sufficiente, lo studente dovrà dimostrare di saper impostare almeno nelle sue componenti essenziali un’analisi empirica coerente con la domanda di ricerca, utilizzare correttamente i principali strumenti del corso, interpretare in modo non meramente descrittivo i risultati ottenuti e presentare l’elaborato in modo chiaro e ordinato. L’esame si considera superato se lo studente svolge almeno il 50% del compito e raggiunge una valutazione complessiva sufficiente.

Le slide, i dataset, gli esercizi e gli eventuali materiali integrativi saranno resi disponibili dal docente tramite la piattaforma istituzionale o altri canali ufficiali dell’insegnamento. Gli studenti sono invitati a consultare regolarmente tali strumenti per aggiornamenti organizzativi, indicazioni sulle attività applicative e materiali utili allo svolgimento del project work. Eventuali indicazioni specifiche per studenti non frequentanti o internazionali saranno comunicate all’inizio del semestre.

Il programma dell’insegnamento è articolato nei seguenti moduli:
Introduzione all’analisi empirica dell’innovazione
Oggetto dell’analisi empirica nei processi innovativi. Tipologie di dati sull’innovazione a livello di impresa e di Paese. Il ruolo dell’economia applicata nell’analisi dell’innovazione.
Il modello di regressione lineare semplice
Specificazione del modello. Interpretazione dei coefficienti. Metodo dei minimi quadrati ordinari. Misure di adattamento del modello.
Inferenza statistica
Distribuzioni campionarie, errori standard, intervalli di confidenza e test delle ipotesi. Interpretazione statistica ed economica dei risultati.
Il modello di regressione multipla
Introduzione di più regressori. Interpretazione dei coefficienti ceteris paribus. Problemi di specificazione e qualità della stima.
Variabili indicatrici e regressioni con variabili qualitative
Uso delle dummy variables per catturare eterogeneità tra imprese, settori, aree o periodi. Interpretazione economica dei coefficienti associati.
Regressioni con dati in serie storica
Elementi introduttivi dell’analisi di serie storiche applicata ai fenomeni economici e dell’innovazione. Lettura e interpretazione di relazioni dinamiche di base.
Regressioni con dati panel
Struttura dei dati panel. Potenzialità analitiche dei dati longitudinali nell’analisi dell’innovazione. Introduzione ai principali modelli panel.
Utilizzo di Stata per l’analisi empirica
Gestione dei dataset, pulizia e organizzazione dei dati, stima dei modelli, lettura dell’output, costruzione di tabelle e grafici.
Applicazioni empiriche e project work
Analisi di dati reali sull’innovazione, discussione di evidenze empiriche, sviluppo e presentazione di elaborati individuali o di gruppo su temi coerenti con l’insegnamento.

The teaching activities are delivered in Italian.

The course introduces the main tools of applied economics for the empirical analysis of innovation processes. In particular, the teaching covers: 1) the foundations of simple and multiple linear regression models; 2) statistical inference, with specific reference to confidence intervals and hypothesis testing; 3) the use of indicator variables for the analysis of qualitative features relevant to innovation processes; 4) the analysis of time-series and panel data; 5) the use of Stata software for data management, model estimation, and interpretation of results; 6) the application of econometric methods to innovation data at both firm and country level; 7) the discussion of empirical evidence and of individual or group assignments on innovation-related topics. The teaching path combines theoretical foundations, quantitative tools, and empirical applications so as to enable students to connect econometric models with the main economic issues related to innovation.

Hill, R. C., Griffiths, W. E., & Lim, G. C. (2013). Principi di econometria. Zanichelli.

Capp. 2, 3, 5, 7, 9, 15
Additional teaching materials, exercises, datasets, slides, and scientific readings on topics in the economics of innovation will be made available by the instructor during the semester through the institutional platform or other official course channels.
Information for non-attending students:
Non-attending students are required to prepare the main textbook and to study all supplementary materials indicated by the instructor for the preparation of the project and the final assessment.

The course aims to provide students with knowledge and operational tools for the empirical analysis of innovation processes, with particular attention to the use of Stata and to the interpretation of empirical evidence based on firm-level and macroeconomic data.
In line with the Dublin Descriptors, by the end of the course students should be able to:
A. Knowledge and understanding
Understand the main concepts and methods of applied economics relevant to the analysis of innovation; describe the logic of linear regression models, statistical inference procedures, and the main data structures used in empirical studies on innovation.
B. Applying knowledge and understanding
Apply the main econometric tools to the analysis of datasets on innovation; use Stata to organize data, estimate models, test hypotheses, and present results correctly.
C. Making judgements
Assess the consistency between the research question, the available data, and the empirical specification; critically interpret estimation results; discuss limitations, assumptions, and implications of empirical analysis in relation to the main economic theories of innovation.
D. Communication skills
Present an econometric analysis in written and oral form using appropriate technical language; build and comment on tables, graphs, and summary indicators; clearly argue methodological choices and empirical findings.
E. Learning skills
Develop autonomy in the study of further quantitative methods and in reading the empirical literature; transfer the acquired competences to new research problems in the field of innovation.
Minimum requirements to pass:
In order to pass the final assessment, students must demonstrate at least a satisfactory knowledge of simple and multiple linear regression, the main tools of statistical inference, the use of dummy variables, and the basic notions of time-series or panel-data analysis, as well as the ability to correctly read and interpret the essential output of an econometric estimation carried out in Stata.

Basic knowledge of Microeconomics, Industrial Organization, and Statistics is required in order to attend the course effectively. In particular, familiarity with the main concepts of microeconomic analysis, the essential elements of firm and market theory, and basic descriptive and inferential statistics is recommended. No additional formal prerequisites are required, but this preliminary knowledge is strongly advised for effective participation in the applied sessions and project work.

Teaching activities are organized through lectures, computer-based applied sessions, and individual or group project work. Lectures are aimed at developing understanding of the theoretical foundations of applied econometrics for innovation analysis and at introducing the main models used in empirical research. The applied sessions allow students to use Stata for data management, model estimation, and critical reading of results. The project work is designed to develop the ability to apply the methods learned autonomously to empirical problems consistent with the topics covered in the course. Classroom discussion of exercises, outputs, and projects also contributes to the development of autonomous judgement, problem-solving skills, and communication abilities. Supporting materials may be made available online.

Assessment consists of a final written examination, with no oral examination, based on a project including an empirical analysis of innovation-related data on topics consistent with the course syllabus. The project requires students to: define the empirical problem correctly; select the appropriate econometric model; organize and analyse the data using Stata software; present the results through relevant outputs, tables, and graphs; critically interpret the results in the light of the main economic theories of innovation.
The final grade is designed to verify the achievement of the intended learning outcomes and is based on the following criteria: 1) correctness in framing the empirical problem and in using the relevant theoretical concepts; 2) appropriateness of the empirical strategy and of the estimated model; 3) ability to use Stata correctly and to read econometric output; 4) quality of the interpretation of results and ability to discuss their limits and implications; 5) clarity of presentation, argumentative rigour, and appropriate use of technical language.
Minimum requirements to pass:
To obtain a passing grade, students must demonstrate the ability to set up, at least in its essential components, an empirical analysis consistent with the research question, to use the main tools covered in the course correctly, to interpret the results in a way that goes beyond mere description, and to present the project clearly and coherently. Students pass the exam if they complete at least 50% of the assignment and obtain an overall passing grade.

Slides, datasets, exercises, and any supplementary materials will be made available by the instructor through the institutional platform or other official course channels. Students are expected to check these tools regularly for organizational updates, instructions concerning the applied activities, and materials useful for carrying out the project work. Any specific information for non-attending or international students will be provided at the beginning of the semester.

The course programme is organized into the following modules:
Introduction to the empirical analysis of innovation
Object of empirical analysis in innovation processes. Types of innovation data at firm and country level. The role of applied economics in innovation analysis.
The simple linear regression model
Model specification. Interpretation of coefficients. Ordinary least squares method. Measures of goodness of fit.
Statistical inference
Sampling distributions, standard errors, confidence intervals, and hypothesis testing. Statistical and economic interpretation of results.
The multiple regression model
Introduction of multiple regressors. Interpretation of coefficients ceteris paribus. Specification issues and quality of estimation.
Indicator variables and regressions with qualitative variables
Use of dummy variables to capture heterogeneity across firms, sectors, areas, or periods. Economic interpretation of the associated coefficients.
Regression with time-series data
Introductory elements of time-series analysis applied to economic and innovation-related phenomena. Reading and interpretation of basic dynamic relationships.
Regression with panel data
Structure of panel data. Analytical potential of longitudinal data in the analysis of innovation. Introduction to the main panel-data models.
Use of Stata for empirical analysis
Dataset management, data cleaning and organization, model estimation, output reading, and construction of tables and graphs.
Empirical applications and project work
Analysis of real innovation data, discussion of empirical evidence, and development and presentation of individual or group projects on topics consistent with the course.