C Introduzione ad EViews

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "C Introduzione ad EViews"

Transcript

1 C Introduzione ad EViews C.1 Aspetti generali EViews, evoluzione per Windows del programma MicroTSP per DOS, creato nel 1981, è un programma che consente di effettuare analisi statistiche ed econometriche. Esso si basa su un ambiente a finestre e menù particolarmente semplice, ma contiene anche un suo linguaggio di programmazione che ne aumenta la flessibilità, permettendo di costruire programmi che utilizzano in sequenza singoli comandi. In questa appendice vengono fornite alcune informazioni introduttive sulle modalità d uso del programma. In particolare, vengono prese in considerazione una serie di operazioni tipiche da effettuare per l analisi di un insieme di dati 1, e precisamente: a. importare i dati in EViews da un file ASCII o da un foglio elettronico, ad esempio Excel, e creare dei workfile; b. esaminare graficamente i dati ed effettuare delle analisi preliminari; c. costruire un modello di regressione o un modello di serie storiche; d. verificare se il modello è adeguato; e. effettuare delle previsioni; f. rappresentare graficamente i risultati. Quando il programma viene caricato, cliccando sull icona di EViews dalla finestra di Windows, appare una finestra, dal titolo EViews, con una serie di menù a tendina (si veda la figura C.1). Prima di passare alla descrizione delle modalità d uso del programma, va ricordato che EViews mette a disposizione dell utente un ricco Help on line, consultabile selezionando nella finestra principale Help/EViews Help Topics.../Indice. L Help on line di EViews è utile non solo per capire quali menù e parametri selezionare, ma anche per avere informazioni sulle procedure statistiche offerte dal programma e sui principali riferimenti bibliografici. 1 In questa appendice si fa riferimento alla versione 4.1 di EViews. Per maggiori dettagli, in particolare sulle procedure non descritte in questa sede, si consultino i manuali del programma (Quantitative Micro Software, 2000 a,b). 283

2 284 Appendice C. Introduzione ad EViews Figura C.1: La finestra di apertura di EViews col menù di Help Va segnalato anche che è possibile consultare, sempre on line una Guida per l utente e un Manuale con le indicazioni sui comandi e sulla programmazione selezionando, rispettivamente, Help/Users Guide(pdf)ed Help/Command & Programming Reference (pdf). C.2 Importazione dei dati e creazione di un workfile Per utilizzare EViews è necessario che i dati vengano specificati in un formato appropriato e che siano contenuti in particolari oggetti, detti workfile. Il programma consente di importare dati disponibili nei formati ASCII, Excel e Lotus, di creare dei workfile e di memorizzarli su supporto magnetico (disco fisso, floppy, CD-Rom, ecc.). Supponiamo di voler importare il file ASCII appendix.dat contenente due serie di n = 100 dati ordinati per colonna. Il file si presenta dunque come una matrice (100 2), del tipo:

3 C.2. Importazione dei dati e creazione di un workfile Dal menù della finestra principale selezionare File/New/Workfile. Appare una finestra dal titolo Workfile range che consente di scegliere tra diversi tipi di frequenze dei dati. Selezionare Undated or Irregular e porre Start date=1 e End date=100. Cliccare su OK. Appare una finestra dal titolo Workfile: UNTITLED. La finestra contiene una serie di menù e due oggetti, entrambi deputati a contenere elaborazioni relative all ultimo modello stimato: uno (c) contenente i parametri e l altro (resid) i residui. Tutti i workfile contengono questi due oggetti e non è possibile attribuire questi nomi ad altre serie. Selezionare Procs/Import/Read Text-Lotus-Excel dal menù della finestra Workfile: UNTITLED. Scrivere o selezionare il nome del file che si desidera aprire e cliccare su OK. A questo punto si apre una nuova finestra dal titolo ASCII Text Import. Tale finestra contiene dei riquadri che devono essere riempiti con alcuni parametri. I principali sono: Names for series or Number if named in file: inserire il numero delle serie o i loro nomi. Se non viene definito alcun nome le serie vengono automaticamente nominate SER01, SER02,.... Si supponga di chiamare le serie y e x. Series headers: specifica se e quante righe bisogna ignorare perché contenenti intestazioni. Import sample: permette di importare solo una parte delle serie originali. Ad esempio, se si desidera importare 40 osservazioni centrali del file, in questo riquadro va scritto Preview - First 16K of file: mostra, in formato ASCII, le prime righe del file da importare. E utile per fissare alcuni dei parametri successivi. Data order: scegliere in Columns se le serie sono disposte in colonna (è il caso più frequente), in Rows se le serie sono disposte per riga. Delimiters: permette di stabilire i delimitatori di colonna per file con con dati su più colonne. Rectangular file layout: Columns to skip permette di saltare le prime k colonne nella lettura dei dati;

4 286 Appendice C. Introduzione ad EViews Rows to skip permette di saltare le prime k righe; Comment character permette di segnal are alcuni caratteri che vengono considerati come commento. Questa opzione è utile, ad esempio, quando nel file da importare ci siano dei caratteri o simboli inusuali. Trascurare gli altri riquadri, lasciando per ora le opzioni di default, e cliccare su OK. Si ritorna alla finestra Workfile: UNTITLED. Ora essa presenta due nuovi oggetti di nome, rispettivamente, y e x, contenenti le serie desiderate nel formato richiesto da EViews. A questo punto i dati sono nella memoria del computer, ma il workfile non è ancora stato memorizzato su disco fisso ed è dunque opportuno farlo. Selezionare File/Save dalla finestra principale. Appare una finestra dal titolo SaveAs. Inserire il nome del file sul quale si vogliono memorizzare i dati (ad esempio appendix) ed, eventualmente, il drive (ad esempio c:) ed il percorso. Cliccare su OK. Ora sul disco fisso è presente il file appendix.wf1 contenente le serie desiderate in formato workfile per EViews. Si noti che la finestra Workfile: UNTITLED ha ora il titolo Workfile: appendix - (c:\...\appendix.wf1). Per importare i dati da un file in formato EXCEL, come nella procedura seguita per i file in formato ASCII, si selezioni Procs/Import/Read Text-Lotus-Excel dalla finestra Workfile: UNTITLED. Nel riquadro Tipo file scegliere quindi Excel(*.xls) e, successivamente, inserire (o selezionare) il nome del file da aprire. A questo punto si apre una finestra dal titolo Excel Spreadsheet Import. Questa finestra richiede informazioni analoghe a quelle richieste per aprire un file ASCII. La differenza principale è data dal riquadro upper-left data cell, in cui bisogna inserire le coordinate Excel (lettera della colonna e numero di riga) della prima cella in alto a sinistra del foglio elettronico che contiene i dati. Infine, per aprire un workfile già esistente è sufficiente selezionare File/Open/Workfile dal menù della finestra principale e inserire (o selezionare) il nome del file. C.3 Analisi preliminare di una serie storica Cliccando sulla serie di dati y appare una nuova finestra dal titolo Serie: y Workfile: appendix, in cui i valori numerici della serie considerata sono disposti in colonna. Operando sui menù di questa finestra è possibile effettuare un analisi preliminare della serie. View/Graph offre le seguenti opzioni grafiche. Line mostra il grafico della serie storica.

5 C.3. Analisi preliminare di una serie storica 287 Seasonal stacked line mostra il grafico dell andamento di ogni singolo periodo (ad es. del solo mese di gennaio nel corso degli anni) con le rispettive medie. Seasonal split line mostra un grafico simile al precedente, ma senza le medie e ponendo le curve su uno stesso grafico. Selezionando Quick/Graph/Scatter dal menù della finestra principale è possibile ottenere un diagramma a dispersione (scatterplot) per valori della stessa serie, ma ritardati di uno o più periodi. Indicare le serie da rappresentare graficamente, ad esempio y y(-1), nel riquadro List of Series, Groups and/or Series Expressions e cliccare su OK. View/Descriptive Statistics/Histogram and Stats: mostra l istogramma della serie e le statistiche descrittive più comunemente utilizzate (media, mediana, massimo, minimo, deviazione standard, indici di asimmetria e curtosi ed il test di normalità di Jarque-Bera). View/Tests for Descriptive Stats/Simple hypothesis tests: effettua dei test sulla mediana, ma media e la varianza sotto ipotesi di normalità. View/Distribution graphs: dalla serie. offre altre rappresentazioni grafiche derivate CDF-Survivor-Quantile Graphs: consente, ad esempio, di calcolare la funzione di ripartizione empirica dei dati. Quantile-Quantile Graphs: produce un grafico quantile-quantile, utile per confrontare la distribuzione dei dati con una distribuzione teorica o con quella di altri dati. Kernel Density Graphs: permette di ottenere una stima non parametrica della densità mediante il metodo del nucleo. Empirical distribution test: effettua una serie di test (di Kolmogorov, di Kramer von Mises, di Anderson-Darling,..) di adattamento dei dati ad una distribuzione nota e con parametri prefissati. View/Correlogram: consente di calcolare il correlogramma della serie in questione. Relativamente alla finestra Correlogram Specification: nel riquadro Correlogram of selezionare Level per effettuare le analisi sui dati originali; selezionare 1st difference per effettuare le analisi sulle differenze prime ((1 B)y t = y t y t 1 ) e 2nd difference per effettuarle sulle differenze seconde ((1 B) 2 y t = (1 B)y t (1 B)y t 1 ). nel riquadro Lags to include inserire il numero di ritardi per i quali si vuole calcolare il correlogramma. View/Unit Root Test...: consente di effettuare dei test di radice unitaria.

6 288 Appendice C. Introduzione ad EViews View/BDS Independence Test: consente di effettuare il test di Brock, Dechert e Scheinkman per verificare l ipotesi nulla di indipendenza ed identica distribuzione. C.3.1 Trasformazioni di una serie storica Si supponga di avere aperto il workfile appendix.wf1. È possibile generare nuove serie selezionando il menù Procs/Generate Series della finestra Workfile: appendix, oppure il menù Procs/Generate by Equation dalla finestra che si apre selezionando una singola variabile. Ad esempio, se si desidera ottenere la serie storica dei quadrati dei valori contenuti in y, è sufficiente porre y2 = y 2 nel riquadro Enter equation della finestra Generate Series by Equation. Se si vuole trasformare l intera serie, lasciare il riquadro Sample così com è e cliccare su OK. EViews ritorna alla finestra Workfile: appendix, che ora presenta la nuova serie y2 contenente i quadrati delle osservazioni memorizzate in y. In maniera del tutto analoga si può ottenere la trasformazione esponenziale dei dati della serie ponendo ey=exp(y), o la trasformazione logaritmica ponendo ly=log(y). Di particolare interesse è la trasformazione z=y(-1), che genera la serie y ritardata di un periodo. Ad esempio, se y contiene i 5 valori 1, 2, 3, 4, 5, z conterrà i valori NA,1,2,3,4. Ovviamente la serie ha perso la prima osservazione e ciò viene segnalato con il termine convenzionale NA (Not Available). Un altra trasformazione spesso utilizzata è quella che consente di differenziare una serie storica. Ciò è possibile considerando dy=d(y). Analogamente, la trasformazione dly=dlog(y) restituisce la serie log-differenziata, ovvero la serie (1 B) log (y t ) = log (y t ) log (y t 1 ). Infine, per generare la serie differenziata n volte, con n intero positivo, il comando da usare è d(y,n). Selezionando Procs/Resample è possibile ottenere una nuova serie creata ricampionando, con o senza reinserimento, i valori della serie originale. Per eliminare una delle serie, evidenziarla e, quindi, selezionare Delete. Per generare una serie z di numeri pseudo-casuali da una v.c. N (0, 1) si ponga z=nrnd nel riquadro Enter equation. La lunghezza della serie generata è quella del sample corrente. In modo del tutto analogo, per ottenere numeri pseudo-casuali da una v.c. U(0, 1), è sufficiente porre z=rnd. C.3.2 Analisi su gruppi di serie EViews permette di lavorare su gruppi di serie, per condurre analisi in parallelo ed, eventualmente, evidenziare analogie e/o differenze nei comportamenti delle diverse serie. Per serie storiche in gruppi sono poi disponibili alcuni tipi di analisi che non possono essere effettuate su una singola serie.

7 C.4. La regressione 289 Si supponga di avere nel workfile le serie y e x. Per analizzare queste due serie parallelamente, dal menù della finestra principale si selezioni Objects/New Object e, quindi, Group dal riquadro Type of Object della finestra New object. Nel riquadro name for object lasciare untitled. La finestra successiva, Series List, richiede di elencare le serie che formeranno il gruppo: si ponga, ad esempio, y x. A questo punto si apre una nuova finestra dal titolo Group: UNTITLED Workfile: appendix contenente nelle prime due colonne le serie y e x. I menù di questa finestra consentono, in modo analogo a quanto avviene per una singola serie, di condurre una serie di analisi statistiche. View/Graph consente di ottenere vari tipi di grafici per le due serie. In particolare, View/Graph/Scatter/Simple scatter permette di ottenere un diagramma a dispersione per le serie y e x. I comandi View/Graph/Scatter with Regression, View/Graph/Scatter with Nearest Neighbor Fit, View/Graph/Scatter with Kernel Fit, forniscono invece vari tipi di stime non parametriche della regressione di y su x; View/Multiple crea gli stessi grafici del caso precedente, ma affiancando i grafici su finestre diverse. View/Correlations fornisce le correlazioni tra le serie che formano il gruppo. View/Covariances fornisce le covarianze tra le serie che formano il gruppo. View/Cross correlation produce la funzione di autocorrelazione incrociata, nel particolare caso in questione tra y t e x t j e tra y t e x t+j, con j intero positivo. C.4 La regressione Si supponga di avere una variabile dipendente rappresentata da una serie storica y e p variabili indipendenti rappresentate da altrettante serie storiche x 1,..., x p e di voler stimare un modello di regressione del tipo y t = β 1 x 1t β p x pt + u t, t = 1,..., n. Dal menù della finestra principale si selezioni Quick/Estimate Equation. Appare una finestra dal titolo Equation Specification, contenente due riquadri. Nel primo (Equation specification) va specificata la variabile dipendente e le p variabili indipendenti. Nel secondo (Estimation settings) si tratta di specificare la procedura di stima dei parametri: per un modello di regressione classico (si veda la (A.1), u t ε t ) selezionare LS - Least Squares (NLS and ARMA) per stimare i parametri col metodo dei minimi quadrati ordinari. Dopo aver stimato il modello, EViews produce una finestra che, nel caso di un modello di regressione semplice del tipo y t = β 0 + β 1 x t + ε t, si presenta come quella riportata nella tabella C.1.

8 290 Appendice C. Introduzione ad EViews Dependent Variable: Y Method: Least Squares Date: 02/28/00 Time: 19:31 Sample: Included observations: 100 Variable Coefficient Std. Error t-statistic Prob. C X R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Tabella C.1: Esempio di output di EViews - minimi quadrati ordinari Nella prima parte della tabella vengono riportati i valori relativi alle stime dei parametri, ai loro errori standard, alla statistica t di Student per l ipotesi di nullità dei singoli parametri e al corrispondente p-value. Nella seconda parte vengono invece riportate alcune diagnostiche utili per valutare l adeguatezza del modello. Quelle più importanti in questo contesto sono: R-squared è la statistica R 2 ; Adjusted R-squared è la statistica R 2 ; S.E. of regression rappresenta la radice quadrata della stima della varianza dell errore, ˆσ ε ; Sum squared resid è la somma dei quadrati dei residui, n e 2 t ; t=1 Durbin-Watson stat è la statistica di Durbin-Watson per valutare l autocorrelazione (valori accettabili stanno in un intorno di 2); F-statistic è la statistica F di Snedecor per sottoporre a verifica l ipotesi di nullità congiunta di tutti i parametri del modello, costante esclusa 2 ; Prob(F-statistic) è il p-value relativo alla statistica F. Infine, se dalla finestra di output si seleziona View/Actual,Fitted,Residual/ Actual,Fitted, Residual Graph si può tracciare, in un unico grafico, la serie originale (Actual), quella stimata (Fitted) e quella dei residui (Residuals). 2 Se nel modello da stimare non compare esplicitamente la costante, EViews non fornisce né questa statistica né il relativo p-value.

9 C.4. La regressione 291 C.4.1 La regressione: il trend e la stagionalità Quando si stima un modello di regressione, si è spesso interessati a considerare un trend e/o una componente stagionale di tipo deterministico. Per costruire un trend lineare si selezioni Procs/Generate Series e, nel riquadro Enter Equation, si utilizzi il n essendo un intero positivo. Tale comando, utilizzabile con tutti i tipi di dati, crea un oggetto contenente un trend lineare che assume valore zero alla n-esima osservazione del workfile. Ad esempio, per un workfile di 20 osservazioni a cadenza trimestrale relative al periodo 1994:1-1998:4, l istruzione produce la serie 0, 1, 2,..., 19; produce la serie 1, 2,..., 20; produce la serie 2, 1, 0, 1,..., 17. Una volta che la serie t è disponibile nel workfile, è facile considerare trend polinomiali generando delle potenze della serie stessa. La componente stagionale può essere stimata facendo ricorso a variabili dummy (sez ). A tal fine, per le sole serie mensili e trimestrali, è disponibile il che produce una variabile che assume valore 1 in corrispondenza dell n-esimo mese o trimestre. Nell esempio del workfile precedente, l istruzione produce la variabile s1 che assume valore 1 in corrispondenza del primo trimestre; produce la variabile s2 che assume valore 1 in corrispondenza del secondo trimestre. Si tenga presente, infine, che i possono anche essere utilizzati direttamente al posto delle variabili quando si specifica un equazione da stimare. C.4.2 La regressione: analisi dei residui La valutazione della bontà del modello viene effettuata, oltre che con le statistiche descritte precedentemente, anche tramite l analisi della serie dei residui del modello. A questo scopo EViews offre le seguenti opportunità di analisi: correlogramma dei residui e statistica di Ljung e Box (6.3): si selezioni View/Residual tests/correlogram - Q statistics dalla schermata di output; correlogramma dei residui al quadrato: dalla schermata di output si selezioni View/Residual tests/correlogram Squared Residuals. Se i residui semplici sono incorrelati, nel caso di indipendenza devono esserlo anche i quadrati;

10 292 Appendice C. Introduzione ad EViews istogramma dei residui: selezionare View/Residual tests/histogram - Normality test; diagrammi a dispersione: valgono le indicazioni fornite nella sez. C.3 applicate alle variabili resid e resid(-j), per j intero positivo 3. C.4.3 La regressione: test sui parametri Le statistiche t di Student fornite insieme alle stime dei coefficienti ed il test F presente tra le diagnostiche dell output di EViews sono relativi all ipotesi di nullità, rispettivamente, dei singoli parametri e di tutti i parametri congiuntamente (salvo la costante). Una verifica d ipotesi sui parametri diversa da quella di nullità richiede di selezionare View/Coefficient Tests/Wald-Coefficient Restrictions. Ciò conduce ad una finestra dal titolo Wald test contenente un riquadro (Coefficient restrictions separated by commas) in cui inserire le ipotesi sui parametri che si vogliono sottoporre a verifica. Quando si vuole effettuare una verifica congiunta su più parametri, o sulla combinazione lineare di più parametri, i vincoli devono essere separati da una virgola. Ad esempio, relativamente ad un modello di regressione con quattro parametri, per sottoporre a verifica congiuntamente le ipotesi H 0 : β 1 = 0, β 2 = 2β 4, β 3 = 1, bisogna scrivere C(1) = 0, C(2) = 2 C(4), C(3) = 1. Si noti che EViews effettua sempre un test F, anche in presenza di un solo vincolo. Poiché, come è noto, la v.c. F con (1, r) gradi di libertà è il quadrato di una v.c. t di Student con r gradi di libertà, per ottenere il valore della corrispondente statistica t per la generica ipotesi H 0 : β i = β i0 si può considerare ( ) t = segno ˆβi β i0 F. C.5 Le medie mobili Una media mobile della serie storica y t (si veda il cap. 4) è data dalla serie yt il cui generico termine è m 2 yt = ϑ i y t+i. (C.1) i= m 1 È possibile ottenere la serie yt selezionando Procs/Generate by Equation dalla finestra principale e scrivendo la (C.1) nel riquadro Enter Equation. Si supponga, 3 Ricordiamo che EViews salva automaticamente i residui dell ultimo modello stimato nella variabile resid.

11 C.6. Stima delle componenti 293 ad esempio, di avere la serie y e di volerla perequare con una media mobile simmetrica di ordine 5 (m 1 = m 2 = 2) e coefficienti ϑ 2 = ϑ 2 = 0, 15, ϑ 1 = ϑ 1 = 0, 20 e ϑ 0 = 0, 3. In questo caso, nel riquadro Enter Equation si pone ystar=0.15*y(-2)+0.2*y(-1)+0.3*y+0.2*y(+1)+0.15*y(+2). Nella finestra principale compare un nuovo oggetto di nome ystar contenente la serie perequata. Ovviamente le prime due e le ultime due osservazioni sono contrassegnate da NA. Per tracciare sullo stesso grafico la serie originale e quella perequata si utilizzi la procedura descritta al paragrafo A.3.2 C.6 Stima delle componenti Oltre ai metodi basati sulla regressione, per la stima del trend Eviews permette di applicare un altra procedura basata su opportune tecniche di lisciamento, detta filtro di Hodrick e Prescott. A tal fine, dopo avere aperto la finestra relativa alla serie in esame, si selezioni Procs/Hodrick-Prescott filter. Nella finestra che segue vengono richiesti il nome della serie che conterrà la stima del trend (Smoothed Series) e il parametro di lisciamento (Smoothing Parameter). Mentre la procedura appena descritta è disponibile per qualsiasi tipo di serie storica, le procedure di destagionalizzazione proposte da Eviews sono disponibili solo per serie trimestrali e mensili. Esse sono attivabili, dopo avere aperto la serie da destagionalizzare, selezionando Procs/Seasonal Adjustment. Le opzioni disponibili sono Census X12: si tratta di un evoluzione del metodo Census-X11. La sua applicazione richiede la determinazione di vari parametri e la scelta di numerose opzioni che non è possibilile descrivere in poche righe. Qui si segnala solo che nel riquadro Component Series to Save si può scegliere quali componenti salvare sotto forma di oggetti del workfile. In particolare, Finally seasonally adjusted series corrisponde alla serie destagionalizzata e, se la serie originale si chiamava y, essa viene chiamata y SA. Analogamente Final seasonal factors (y SF) corrisponde alla componente stagionale, Final trend-cycle (y TC) corrisponde alla stima del ciclo-trend, Final irregular component (y IR) contiene la stima della componente erratica. L output della procedura X12 è molto ricco e viene posto in un file dal nome evx12tmp.out il quale si trova nella directory definita in Options/File Locations/Temp File Path. X11 (Historical): è la versione originale del metodo X11. Nel riquadro Adjustment method è possibile scegliere di fare riferimento ad un modello additivo o moltiplicativo, mentre in Series to calculate si può decidere di salvare come oggetto del workfile la serie destagionalizzata (Adjusted series) e/o la serie della componente stagionale (Factors). Infine il riquadro X11

12 294 Appendice C. Introduzione ad EViews monthly options permette di tenere conto dei giorni lavorativi (Trading day adjustments) e di altre festività (Holiday adjustments). Tramo/Seats: si tratta del metodo basato su componenti ARIMA non osservabili. Anche in questo caso non verranno descritte tutte le opzioni possibili per questa metodologia ma, come per l X12, si segnala che nel riquadro Series to Save si possono scegliere le componenti da salvare sotto forma di oggetti del workfile. In particolare, Linearized (y LIN) corrisponde alla serie depurata dagli effetti di calendario e dagli outliers, Seasonally adjusted (y SA) corrisponde alla serie destagionalizzata, Seasonal factors (y SF) corrisponde alla componente stagionale, Trend-cycle (y TRD) corrisponde alla stima del trend, Cycle (y CYC) corrisponde alla stima del ciclo, Irregular (y IR) contiene la stima della componente erratica. L output delle procedure TRAMO e SEATS è ben più esteso di quello appena descritto ed è collocato in due cartelle omonime contenute nella directory definita in Options/File Locations/Temp File Path. Moving Average Methods: questa opzione applica i metodi di destagionalizzazione basati su medie mobili descritti nel cap.4. In particolare, essa fornisce, con un unico comando, la stima della serie destagionalizzata (Adjusted series) e dei fattori stagionali ideali (Factors (optional)). Nel riquadro Adjustment Method, invece, bisogna stabilire se destagionalizzare mediante il rapporto tra la serie originale e la media mobile (modello moltiplicativo) o mediante la differenza (modello additivo). Si noti che per serie trimestrali e mensili la scelta della media mobile appropriata viene fatta direttamente da EViews. C.7 La previsione mediante metodi perequativi I metodi perequativi descritti nel cap.5 permettono di effettuare la previsione e/o il lisciamento di una serie storica. Per applicare tali metodi con Eviews, in riferimento ad una serie y t, bisogna aprire la finestra relativa all oggetto che contiene la serie e selezionare Procs/Exponential Smoothing. La finestra Exponential Smoothing contiene una serie di riquadri che richiedono di scegliere tra varie procedure e di fornire le indicazioni necessarie per la loro applicazione. Le informazioni necessarie dipendono dal metodo che si intende applicare. C.7.1 Il lisciamento esponenziale semplice Per effettuare un lisciamento esponenziale semplice, come descritto dalle formule (5.2) o (5.3) del capitolo 5, nel riquadro Smoothing Methods della finestra Exponential Smoothing bisogna selezionare l opzione Single. Il lisciamento esponenziale semplice richiede di scegliere il parametro di lisciamento 0 < δ < 1. Questo parametro deve essere indicato nella casella Alpha del riquadro Smoothing Parameters.

13 C.7. La previsione mediante metodi perequativi 295 Si noti che, in realtà, il parametro α di EViews corrisponde al parametro (1 δ) delle formule (5.2) e (5.3) del capitolo 5. Ciò non presenta alcun problema dal punto di vista concettuale, ma è necessario tenerne conto per interpetare correttamente i risultati. È anche possibile lasciare ad EViews la stima di tale parametro inserendo nella casella Alpha la lettera E. In tal caso il programma sceglie il valore di α = (1 δ) che minimizza l errore quadratico medio di previsione. Sempre nella stessa finestra, il riquadro Smoothed series permette di dare un nome all oggetto che conterrà la serie lisciata, ad esempio ysm, mentre nel riquadro Estimation sample bisogna indicare il periodo campionario sul quale minimizzare l errore quadratico medio per la stima dei parametri. Nel lisciamento semplice il riquadro Cycle for seasonal non viene considerato. Un esempio di output prodotto da questa procedura è riportato in tabella C Date: 08/18/04 Time: 17:29 Sample: Included observations: 132 Method: Single Exponential Original Series: Y Forecast Series: YSM Parameters: Alpha Sum of Squared Residuals Root Mean Squared Error End of Period Levels: Mean Tabella C.2: Esempio di output di EViews - Lisciamento esponenziale. Nella prima parte vengono riportati il valore del parametro stimato (o di quello prescelto), la somma dei quadrati dei residui nel periodo e l errore quadratico medio nel campionario. In questo caso il parametro α = (1 δ) = 0, 82 corrisponde a δ = (1 α) = 0, 18. Nella seconda parte viene riportata la previsione per il periodo sucessivo all ultima osservazione (End of Period Levels). Se il periodo campionario definito nel riqudaro Estimation sample è più corto del Workfile range, allora nell oggetto ysm saranno contenute anche le previsioni per i periodi successivi a quello indicato. C.7.2 Il metodo di Holt-Winters L applicazione del metodo di Holt e Winters su EViews è simile al lisciamento esponenziale semplice. Nel riquadro Smoothing Methods della finestra Exponential Smoothing è possibile scegliere fra le opzioni Holt-Winters-No seasonal. Con questa opzione corrisponde al metodo di Holt- Winters non stagionale da applicare a serie che presentano un trend. In questo caso bisogna fissare i due parametri Alpha e Beta, compresi tra zero e uno, nel riquadro Smoothing Parameters.

14 296 Appendice C. Introduzione ad EViews Holt-Winters-Additive. Questa opzione permette di applicaree il metodo di Holt-Winters stagionale, in riferimento al modello additivo, per serie che hanno sia una componente di trend sia una componente stagionale. I parametri da fissare nel riquadro Smoothing Parameters sono tre: Alpha, Beta e Gamma, tutti compresi tra zero e uno. Per il metodo stagionale è necessario fissare, nel riquadro Cycle for seasonal, il periodo della stagionalità. Tale parametro viene fissato automaticamente per serie trimestrali e mensili. Holt-Winters-Multiplicative. Questa opzione consenste di applicaree il metodo di Holt-Winters stagionale, ma in riferimento al modello moltiplicativo. I parametri da fissare sono gli stessi del modello additivo. C.8 I modelli ARIMA Come si è visto nel cap. 6, la costruzione di un modello ARIMA richiede i) l identificazione del modello, ii) la stima dei parametri e iii) la verifica della bontà del modello scelto. L identificazione può avvenire tramite le funzioni di autocorrelazione semplice e parziale, fornite dal menù View/Correlogram della finestra riservata alle serie del workfile su cui si sta lavorando (si veda la sez. C.3). Per la stima dei parametri del modello identificato si segue, essenzialmente, la stessa procedura vista per un modello di regressione, con la sola differenza che nel riquadro Estimation specification della finestra Equation specification, invece di mettere delle variabili esplicative generiche si deve fornire il modello ARMA. Ad esempio, per stimare un modello ARMA(1,1) con media diversa da zeroe per la serie y bisogna scrivere y c ar(1) ma(1). La stima di questo modello produce una schermata di output contenente le stime dei parametri e una serie di diagnostiche. Si noti che il parametro indicato dalla variabile c non rappresenta la costante del processo stimato, bensì la media. La finestra di output assume una forma tipo quella riportata nella tabella C.3 In particolare, la schermata contiene i valori dei criteri di Akaike e di Schwarz (si veda la sez. 6.2), che possono essere utilizzati come un ulteriore strumento per l identificazione del modello. La verifica della bontà del modello, ancora un volta, avviene tramite l analisi dei residui. Oltre alle opportunità viste nella sez. C.4.2, selezionando View/Residual tests/arch LM test EViews consente di effettuare un test per la presenza di effetti ARCH (Auto Regressive Conditional Heteroskedasticity, si veda la sez. C.10). Il test verifica l ipotesi di nullità di tutti i coefficienti di un modello autoregressivo per i quadrati dei residui, il cui ordine va specificato dall utente. Se invece si desidera stimare un modello ARIMA(1, 1, 1) senza costante per la serie y, bisogna scrivere

15 C.8. I modelli ARIMA 297 Dependent Variable: Y Method: Least Squares Date: 03/01/00 Time: 19:49 Sample(adjusted): Included observations: 99 after adjusting endpoints Convergence achieved after 20 iterations Backcast: 1 Variable Coefficient Std. Error t-statistic Prob. C AR(1) MA(1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Inverted AR Roots -.39 Inverted MA Roots -.46 Tabella C.3: Esempio di output di EViews - stima di un modello ARMA(1,1) d(y) ar(1) ma(1). Tale espressione denota la stima di un modello ARMA(1, 1) sulla serie differenziata. Lo stesso tipo di procedura si segue quando si vuole ottenere la stima di un modello ARMA su una diversa trasformata della serie originale y. Ad esempio, con l istruzione log(y) ar(1) ar(2) ma(1) viene stimato un modello ARMA(2, 1) senza costante per il logaritmo della variabile originale. C.8.1 I modelli ARIMA stagionali Per trattare serie storiche che esibiscono un andamento periodico si può ricorrere ai modelli ARIMA stagionali (si veda la sez ). Dal punto di vista del programma, la procedura per l identificazione, la stima ed il controllo diagnostico è sostanzialmente analoga a quella per un modello ARIMA non stagionale, sia pure con alcune lievi differenze. La differenziazione stagionale si ottiene con il comando d(y,n,s). Tale istruzione produce una serie con ordine di differenziazione ordinaria pari a n e di differenziazione stagionale pari a s, ossia (1 B) n (1 B s )y t. I coefficienti della parte autoregressiva stagionale, per una serie periodica di periodo p, vengono indicati con SAR(p), SAR(2p), SAR(3p),... Analogamente, i coefficienti della parte a media mobile stagionale vengono indicati con SMA(p), SMA(2p)....

16 298 Appendice C. Introduzione ad EViews Si noti che un modello in cui si abbia solamente SAR(p) è del tutto equivalente ad un modello AR(p) vincolato ad avere i primi p-1 parametri nulli. Ad esempio, per stimare un modello ARIMA(1, 0, 1) (2, 1, 1) 4 bisogna scrivere d(y,0,4) ar(1) ma(1) sar(4) sar(8) sma(4). C.8.2 La previsione Si supponga di avere aperto un workfile di lunghezza 100 contenente una serie y della stessa lunghezza e di voler usare EViews per formulare una previsione con orizzonte di previsione pari a 2. A tal fine sono necessarie due operazioni preliminari: bisogna stimare un modello della classe ARIMA (eventualmente stagionale); bisogna estendere il workfile in modo che possa contenere anche le osservazioni previste. Si supponga di avere già aperto un workfile di lunghezza 100: dal menù della finestra EViews si selezioni Procs/Change Workfile Range e si ponga Start date=1 e End date=102. Ora il workfile contiene 102 osservazioni e la serie y contiene le 100 osservazioni più 2 celle vuote. Dopo aver eseguito queste due operazioni la previsione può essere effettuata selezionando Forecast dal menù della finestra contenente l output del processo di stima e specificando le relative opzioni. Forecast of se la serie originale è stata trasformata, per esempio con una differenziazione semplice e/o stagionale, è possibile scegliere se prevedere la serie originale o quella trasformata. Nel primo caso EViews provvede ad operare la trasformazione inversa. Forecast name nome del vettore contenente le previsioni. L utente può scegliere un nome diverso da quello del vettore contenente la serie storica originale. In assenza di indicazioni, EViews appone il suffisso F al nome della variabile prevista. S.E. (optional) nome del vettore contenente gli errori standard. È possibile lasciare vuota questa voce. Se si attribuisce un nome, gli errori standard saranno posti nel workfile come una serie col nome specificato. Sample range for forecast periodo temporale per il quale si vuole effettuare la previsione. Ad esempio, per prevedere i 2 valori y 101 e y 102 va specificato Sample range for forecast = Method È possibile scegliere tra due modalità previsive: Dynamic - utilizza i valori stimati per effettuare previsioni con orizzonte di previsione maggiore di 1;

17 C.9. Test di radice unitaria 299 Static - fa uso dei valori veri anziché di quelli previsti, e dunque può essere usata solo quando tali valori sono disponibili. Output - permette di scegliere se avere l output di previsione in forma grafica o numerica. Qualunque sia la scelta, i valori previsti trovano posto nel vettore contenente le previsioni (YF se, nel nostro esempio, non si è fornito un nome specifico). Dopo aver riempito i riquadri della finestra, e dopo aver cliccato su OK, si apre una finestra con il grafico dei valori previsti e dei loro errori standard. È possibile controllare i valori esatti delle previsioni tornando alla finestra del workfile di partenza ed aprendo la serie Y F, che ora contiene nelle posizioni da 1 a 100 la serie storica originale, e nelle posizioni 101 e 102 le previsioni. C.9 Test di radice unitaria EViews consente di effettuare test di radice unitaria in due modi. Nel primo caso, aperta la serie e selezionato il menù View/Unit Root Test, EViews offre una serie di opzioni: Test type si può scegliere tra i test di Dickey e Fuller aumentato (ADF ), di Phillips e Perron (P P ), di Kwiatkowski, Phillips, Schmidt e Shin (KP SS), di Dickey-Fuller trasformato via GLS (DF GLS), di Elliot, Richardson e Stock (ERS), e di Ng e Perron (NP ); (per alcuni di questi si veda il cap. 8??). Test for unit root consente di scegliere se lavorare sui dati originali o sulle loro differenze prime o seconde. Include in test equation intercept - considera un modello con la sola costante; trend and intercept - considera un modello con trend e costante; none - considera un modello senza trend né costante. Lag length permette di specificare il numero di ritardi per il test ADF. Tale numero può essere scelto in base a criteri di selezione automatica (Automatic selection), e in questo caso bisogna indicare il massimo numero di ritardi da considerare per il calcolo del criterio (Maximum lags), o può essere fornito dall utente (User specified). Un numero di ritardi pari a zero equivale a considerare un test DF. Questa prima opzione è la più comoda se si conosce già che tipo di situazione si vuole sottoporre a verifica, ad esempio uno specifico processo generatore dei dati ed uno specifico modello.

18 300 Appendice C. Introduzione ad EViews È possibile applicare una seconda procedura, più generale, descritta di seguito. Si supponga di avere due serie, y e t, quest ultima contenente un trend lineare (ad esempio, Dapprima si stimi, con i minimi quadrati ordinari, un modello con costante e trend. Si stimi quindi il modello y t = φ 0 + φ 1 y t 1 + ξt + ε t, selezionando Quick/Estimate Equation e ponendo y c y(-1) t nel riquadro Equation Specification. Per la verifica delle ipotesi, si selezioni View/Coefficient tests/wald-coefficient restrictions dalla finestra dei risultati della stima. Ciò permette di effettuare test singoli e congiunti su particolari valori assunti dai coefficienti φ 0, φ 1, ξ, indicati, rispettivamente, con c(1), c(2) e c(3). Per verificare H0 1 : φ 1 = 1, porre c(2)=1 nella finestra Wald test e cliccare su OK. L output di tale test è rappresentato dal valore di una statistica F. Per ricavare il valore della statistica t bisogna considerare ) t = segno (ˆφ1 1 F. Per verificare H0 2 : (φ 1, ξ) = (1, 0) si può invece utilizzare direttamente il risultato fornito da EViews e porre c(2)=1, c(3)=0. Si noti la virgola tra i vincoli sui parametri. Per la verifica di H0 3 : (φ 0, φ 1, ξ) = (0, 1, 0) è necessario porre c(1)=0, c(2)=1, c(3)=0. Si procede in modo del tutto analogo per la verifica delle rimanenti ipotesi. I valori delle statistiche t o F non vanno confrontati con i valori critici delle statistiche classiche, ma con i pertinenti valori critici delle distribuzioni, rispettivamente, ζ e Φ, riportati nelle tabelle 8.1 e 8.2. C.10 I modelli della classe ARCH Se l analisi dei residui di una modellazione lineare evidenzia la presenza di effetti ARCH si può provare ad adattare ai dati un modello autoregressivo eteroschedastico condizionale, del tipo y t = σ t ε t σt 2 = α 0 + α 1 yt α pyt p 2 + β 1σt β qσt q 2.

19 C.10. I modelli della classe ARCH 301 È possibile stimare un siffatto modello, ed in generale un modello della classe ARCH, passando per il menù Quick/Estimate Equation e selezionando ARCH - Autoregressive Conditional Heteroskedasticity dal riquadro Estimation Setting della finestra Equation specification. Ciò ha l effetto di aprire una nuova finestra, il cui nome è ancora Equation specification, contenente riquadri ove selezionare le varie opzioni: Mean Equation Specification: consente di specificare un modello per la media del processo, ad esempio un modello ARIMA. Nel riquadro Dependent followed by... va sempre inserito il nome della serie che si desidera modellare, seguito eventualmente da quello di altre variabili. ARCH Specification - specificazione di un modello ARCH: Order ARCH GARCH - consente di specificare l ordine della parte ARCH e della parte GARCH; GARCH(symmetric), TARCH (symmetric), EGARCH, Component ARCH, Asymmetric Component - rappresentano varie estensioni di un modello GARCH (si veda l Help per ulteriori informazioni). ARCH-M - specificazione di un modello ARCH in media: none - disabilita questo tipo di modellazione; stdev - fa dipendere linearmente la media dalla radice della varianza condizionale; variance - fa dipendere linearmente la media dalla varianza condizionale. Variance regressor - consente di inserire altri regressori nell espressione che definisce la varianza condizionale. Ad esempio, la stima con EViews di un modello GARCH(1, 1) per la serie z, formata da 2184 osservazioni, produce una schermata tipo quella riportata nella tabella C.4. Stimato il modello bisogna, come sempre, verificarne la bontà. Per fare questo EViews mette a disposizione una serie di strumenti attivabili dal menù View: View/Actual, Fitted, Residual - analisi dei residui: Actual, Fitted, Residual graph - grafico della serie vera, di quella stimata e dei residui del modello; Residual graph - grafico dei soli residui; Standardized residual graph - grafico dei residui standardizzati. View/Conditional SD graph - grafico della deviazione standard condizionale in funzione del tempo.

20 302 Appendice C. Introduzione ad EViews Dependent Variable: Z Method: ML - ARCH Date: 06/29/99 Time: 09:40 Sample(adjusted): Included observations: 2183 after adjusting endpoints Convergence achieved after 17 iterations Coefficient Std. Error z-statistic Prob. Variance Equation C 2.56E E ARCH(1) GARCH(1) R-squared Mean dependent var 2.50E-05 Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Durbin-Watson stat Tabella C.4: Esempio di output di EViews - stima di un modello GARCH(1,1) View/Residual test - usuali test sui residui (autocorrelazioni, autocorrelazioni dei quadrati, test di normalità) e, in particolare, test di effetti ARCH. Se il modello stimato è adeguato non dovrebbero comparire ulteriori effetti ARCH. Per memorizzare le serie dei residui e della varianza condizionale al fine di effettuare ulteriori analisi selezionare, rispettivamente, Procs/Make Residual Series e Procs/Make Variance Series. C.10.1 La previsione per modelli della classe ARCH Come già nel caso dei modelli ARIMA, per effettuare previsioni con modelli ARCH e GARCH bisogna selezionare Procs/Forecast. Appare una finestra dal titolo Forecast contenente i seguenti riquadri Series names Forecasts name nome della serie in cui memorizzare le previsioni. S.E. (optional) nome della serie in cui memorizzare gli errori standard di previsione. GARCH (optional) - nome della serie in cui memorizzare la previsione della varianza condizionale. Sample range for forecast Method Output Le ultime tre opzioni hanno caratteristiche analoghe a quelle già viste nella sez. C.8.2

STATISTICA ECONOMICA ED ANALISI DI MERCATO Previsioni Economiche ed Analisi di Serie Storiche A.A. 2003 / 04 ESERCITAZIONE 2

STATISTICA ECONOMICA ED ANALISI DI MERCATO Previsioni Economiche ed Analisi di Serie Storiche A.A. 2003 / 04 ESERCITAZIONE 2 STATISTICA ECONOMICA ED ANALISI DI MERCATO Previsioni Economiche ed Analisi di Serie Storiche A.A. 2003 / 04 ESERCITAZIONE 2 Introduzione all uso di EViews di Daniele Toninelli 1. INTRODUZIONE ad EViews

Dettagli

1 BREVE RIPASSO DEI TEST STATISTICI 2 I TEST STATISTICI NEI SOFTWARE ECONOMETRICI E IL P-VALUE 3 ESERCIZI DI ALLENAMENTO

1 BREVE RIPASSO DEI TEST STATISTICI 2 I TEST STATISTICI NEI SOFTWARE ECONOMETRICI E IL P-VALUE 3 ESERCIZI DI ALLENAMENTO I TEST STATISTICI E IL P-VALUE Obiettivo di questo Learning Object è ripassare la teoria ma soprattutto la pratica dei test statistici, con un attenzione particolare ai test che si usano in Econometria.

Dettagli

Modello di regressione lineare

Modello di regressione lineare Modello di regressione lineare a cura di Giordano dott. Enrico enrico.giordano@meliorbanca.com Nel presente lavoro viene descritto in modo dettagliato (attraverso anche un impatto visivo), l analisi di

Dettagli

UNIVERSITÀ DEGLI STUDI DI PADOVA Facoltà di Scienze Statistiche

UNIVERSITÀ DEGLI STUDI DI PADOVA Facoltà di Scienze Statistiche UNIVERSITÀ DEGLI STUDI DI PADOVA Facoltà di Scienze Statistiche CORSO DI LAUREA IN STATISTICA ECONOMIA E FINANZA TESI: BORSA E CICLO ECONOMICO: UNA VERIFICA EMPIRICA PER IL CASO STATUNITENSE Relatore:

Dettagli

ECONOMETRIA B A.A. 2002/2003 (Prof. Luca Stanca) Commercio internazionale e tasso di cambio

ECONOMETRIA B A.A. 2002/2003 (Prof. Luca Stanca) Commercio internazionale e tasso di cambio ECONOMETRIA B A.A. 2002/2003 (Prof. Luca Stanca) Commercio internazionale e tasso di cambio Crivellaro Alessandro matr.583179 De Vera Vicent Gregorio Erasmus Martin Medel Asuncion Erasmus Rorato Silvia

Dettagli

Analisi di scenario File Nr. 10

Analisi di scenario File Nr. 10 1 Analisi di scenario File Nr. 10 Giorgio Calcagnini Università di Urbino Dip. Economia, Società, Politica giorgio.calcagnini@uniurb.it http://www.econ.uniurb.it/calcagnini/ http://www.econ.uniurb.it/calcagnini/forecasting.html

Dettagli

Note introduttive Il software econometrico Easy Reg è scaricabile gratuitamente da internet (http://econ.la.psu.edu/~hbierens/easyreg.

Note introduttive Il software econometrico Easy Reg è scaricabile gratuitamente da internet (http://econ.la.psu.edu/~hbierens/easyreg. Note introduttive Il software econometrico Easy Reg è scaricabile gratuitamente da internet (http://econ.la.psu.edu/~hbierens/easyreg.htm) Per importare i dati in Easy Reg bisogna: 1. Cambiare le impostazioni

Dettagli

Strumenti informatici 2.3 - Le statistiche descrittive con Excel e SPSS

Strumenti informatici 2.3 - Le statistiche descrittive con Excel e SPSS Strumenti informatici 2.3 - Le statistiche descrittive con Excel e SPSS Per ottenere le statistiche descrittive di una o più variabili in Excel occorre utilizzare le funzioni, che sono operatori matematici,

Dettagli

Modello di pricing per opzioni

Modello di pricing per opzioni SCUOLA ENRICO MATTEI Master MEDEA - Anno Accademico 2003 2004 PROJECT ENIFIN Modello di pricing per opzioni Allievi: Loreto Avendaño Chiara Lo Prete Pedro Nobre Manuel Pianazzi Massimo Stolzuoli Abstract

Dettagli

Excel Terza parte. Excel 2003

Excel Terza parte. Excel 2003 Excel Terza parte Excel 2003 TABELLA PIVOT Selezioniamo tutti i dati (con le relative etichette) Dati Rapporto tabella pivot e grafico pivot Fine 2 La tabella pivot viene messa di default in una pagina

Dettagli

Elaborazione dei dati su PC Regressione Multipla

Elaborazione dei dati su PC Regressione Multipla 21 Elaborazione dei dati su PC Regressione Multipla Analizza Regressione Statistiche Grafici Metodo di selezione Analisi dei dati 21.1 Introduzione 21.2 Regressione lineare multipla con SPSS 21.3 Regressione

Dettagli

L analisi dei dati. Capitolo 4. 4.1 Il foglio elettronico

L analisi dei dati. Capitolo 4. 4.1 Il foglio elettronico Capitolo 4 4.1 Il foglio elettronico Le più importanti operazioni richieste dall analisi matematica dei dati sperimentali possono essere agevolmente portate a termine da un comune foglio elettronico. Prenderemo

Dettagli

2. STYLE ANALYSIS DEI FONDI COMUNI D INVESTIMENTO. pag.10 2.1 Introduzione pag.10 2.2 Metodologia pag.11

2. STYLE ANALYSIS DEI FONDI COMUNI D INVESTIMENTO. pag.10 2.1 Introduzione pag.10 2.2 Metodologia pag.11 INDICE: SOMMARIO 1. I FONDI COMUNI D INVESTIMENTO pag.5 1.1 Definizione e caratteristiche di un fondo comune d investimento pag.5 1.2 La struttura di un fondo comune d investimento..pag.6 1.3 Classificazione

Dettagli

STATISTICA DESCRITTIVA SCHEDA N. 5: REGRESSIONE LINEARE

STATISTICA DESCRITTIVA SCHEDA N. 5: REGRESSIONE LINEARE STATISTICA DESCRITTIVA SCHEDA N. : REGRESSIONE LINEARE Nella Scheda precedente abbiamo visto che il coefficiente di correlazione fra due variabili quantitative X e Y fornisce informazioni sull esistenza

Dettagli

Matlab per applicazioni statistiche

Matlab per applicazioni statistiche Matlab per applicazioni statistiche Marco J. Lombardi 19 aprile 2005 1 Introduzione Il sistema Matlab è ormai uno standard per quanto riguarda le applicazioni ingegneristiche e scientifiche, ma non ha

Dettagli

Prof.ssa Paola Vicard

Prof.ssa Paola Vicard Questa nota consiste perlopiù nella traduzione da Descriptive statistics di J. Shalliker e C. Ricketts, 2000, University of Plymouth Consideriamo come esempio il data set contenuto nel foglio excel esercizio2_dati.xls.

Dettagli

UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE CORSO DI LAUREA IN STATISTICA ECONOMIA E FINANZA. Tesi di laurea

UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE CORSO DI LAUREA IN STATISTICA ECONOMIA E FINANZA. Tesi di laurea UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE CORSO DI LAUREA IN STATISTICA ECONOMIA E FINANZA Tesi di laurea Impatto della parte sistematica della politica monetaria europea sul cambio

Dettagli

La regressione lineare multipla

La regressione lineare multipla 13 La regressione lineare multipla Introduzione 2 13.1 Il modello di regressione multipla 2 13.2 L analisi dei residui nel modello di regressione multipla 9 13.3 Il test per la verifica della significatività

Dettagli

UNIVERSITA DEGLI STUDI DI PADOVA

UNIVERSITA DEGLI STUDI DI PADOVA UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE CORSO DI LAUREA IN STATISTICA E GESTIONE DELLE IMPRESE RELAZIONE FINALE: PREVISIONE DI PRODUZIONE:IL CASO DI UN AZIENDA ORAFA RELATORE: CH.MO

Dettagli

Laboratorio di Chimica Fisica 04/03/2015. Introduzione all uso di Microcal Origin 6.0 (TM)

Laboratorio di Chimica Fisica 04/03/2015. Introduzione all uso di Microcal Origin 6.0 (TM) Introduzione all uso di Microcal Origin 6.0 (TM) Origin lavora solo in ambiente Windows, ma ci sono degli omologhi per linux e apple. Sui computer del laboratorio è installato windows XP e troverete la

Dettagli

L eredità finanziaria della crisi

L eredità finanziaria della crisi L eredità finanziaria della crisi Presentazione del XX rapporto annuale sul Mercato del Lavoro tv Guido Massimiliano Mantovani H.E.R.M.E.S. Universities Network, Strasbourg Università Ca Foscari, Campus

Dettagli

Laboratorio R Corso di Algebra e Modelli lineari (Anno Accademico 2011-12)

Laboratorio R Corso di Algebra e Modelli lineari (Anno Accademico 2011-12) Laboratorio R Corso di Algebra e Modelli lineari (Anno Accademico 011-1) REGRESSIONE LINEARE SEMPLICE OPEN STATISTICA 8.44 Per 8 settimanali, appartenenti alla medesima fascia di prezzo e presenti in edicola

Dettagli

Prof.ssa Paola Vicard

Prof.ssa Paola Vicard Questa nota consiste perlopiù nella traduzione (con alcune integrazioni) da Descriptive statistics di J. Shalliker e C. Ricketts, 2000, University of Plymouth Consideriamo i dati nel file esercizio10_dati.xls.

Dettagli

Alcuni consigli per un uso di base delle serie di dati automatiche in Microsoft Excel

Alcuni consigli per un uso di base delle serie di dati automatiche in Microsoft Excel Alcuni consigli per un uso di base delle serie di dati automatiche in Microsoft Excel Le serie Una serie di dati automatica è una sequenza di informazioni legate tra loro da una relazione e contenute in

Dettagli

STIMARE valori ed eseguire ANALISI DI REGRESSIONE

STIMARE valori ed eseguire ANALISI DI REGRESSIONE STIMARE valori ed eseguire ANALISI DI REGRESSIONE È possibile impostare una serie di valori che seguono una tendenza lineare semplice oppure una tendenza con crescita esponenziale. I valori stimati vengono

Dettagli

MICROSOFT EXCEL INTRODUZIONE PRIMI PASSI

MICROSOFT EXCEL INTRODUZIONE PRIMI PASSI MICROSOFT EXCEL INTRODUZIONE Si tratta di un software appartenente alla categoria dei fogli di calcolo: con essi si intendono veri e propri fogli elettronici, ciascuno dei quali è diviso in righe e colonne,

Dettagli

Destagionalizzazione

Destagionalizzazione Destagionalizzazione Scomposizione della serie in Ciclo-Trend, Stagionalità e Accidentalità. Scomposizione addittiva X t = CT t + S t + A t : per serie la cui variabilità della stagionalità rimane costante

Dettagli

LAB LEZ. 1 STATISTICA DESCRITTIVA CON R

LAB LEZ. 1 STATISTICA DESCRITTIVA CON R LAB LEZ. 1 STATISTICA DESCRITTIVA CON R 1 2 L AMBIENTE DI SVILUPPO DI RStudio 1 3 4 2 1 FINESTRA PER GLI SCRIPT E PER VISUALIZZARE I DATI 2 CONSOLE DEI COMANDI 3 VARIABILI PRESENTI NELLA MEMORIA DEL PROGRAMMA

Dettagli

IBM SPSS Forecasting 21

IBM SPSS Forecasting 21 IBM SPSS Forecasting 21 Nota: Prima di utilizzare queste informazioni e il relativo prodotto, leggere le informazioni generali disponibili in Note a pag. 113. Questa versione si applica a IBM SPSS Statistics

Dettagli

Fogli Elettronici: MS Excel. Foglio Elettronico

Fogli Elettronici: MS Excel. Foglio Elettronico Parte 6 Fogli Elettronici: MS Excel Elementi di Informatica - AA. 2008/2009 - MS Excel 0 di 54 Foglio Elettronico Un foglio elettronico (o spreadsheet) è un software applicativo nato dall esigenza di:

Dettagli

Metodi di analisi dei dati in MINITAB

Metodi di analisi dei dati in MINITAB Metodi di analisi dei dati in MINITAB 73 Metodi di analisi dei dati in MINITAB 4.1 Introduzione ai metodi di analisi dei dati con MINITAB MINITAB dispone di diverse tipologie di comandi per l analisi grafica

Dettagli

Foglio elettronico (StarOffice)

Foglio elettronico (StarOffice) Modulo Foglio elettronico (StarOffice) Modulo - Foglio elettronico, richiede che il candidato comprenda il concetto di foglio elettronico e dimostri di sapere usare il programma corrispondente. Deve comprendere

Dettagli

Foglio elettronico. Foglio elettronico EXCEL. Utilizzo. Contenuto della cella. Vantaggi EXCEL. Prof. Francesco Procida procida.francesco@virgilio.

Foglio elettronico. Foglio elettronico EXCEL. Utilizzo. Contenuto della cella. Vantaggi EXCEL. Prof. Francesco Procida procida.francesco@virgilio. Foglio elettronico Foglio elettronico EXCEL Prof. Francesco Procida procida.francesco@virgilio.it Il foglio elettronico è un programma interattivo, che mette a disposizione dell utente una matrice di righe

Dettagli

Lezione 4 Introduzione a Microsoft Excel Parte Prima

Lezione 4 Introduzione a Microsoft Excel Parte Prima Lezione 4 Introduzione a Microsoft Excel Parte Prima Cenni preliminari... 1 Elementi sullo schermo... 2 Creazione di una cartella di lavoro... 3 Utilizzo di celle e intervalli... 3 Gestione della cartella

Dettagli

GUIDA RAPIDA ALL USO DI EXCEL

GUIDA RAPIDA ALL USO DI EXCEL GUIDA RAPIDA ALL USO DI EXCEL I fogli elettronici vengono utilizzati in moltissimi settori, per applicazioni di tipo economico, finanziario, scientifico, ingegneristico e sono chiamati in vari modi : fogli

Dettagli

Strumenti informatici 2.1 - Realizzare grafici e tabelle con Excel e SPSS

Strumenti informatici 2.1 - Realizzare grafici e tabelle con Excel e SPSS Strumenti informatici 2.1 - Realizzare grafici e tabelle con Excel e SPSS Realizzare un grafico con Excel è molto semplice, e permette tutta una serie di varianti. Il primo passo consiste nell organizzare

Dettagli

Utilizzare in azienda le funzioni statistiche di Excel

Utilizzare in azienda le funzioni statistiche di Excel Utilizzare in azienda le funzioni statistiche di Excel Grazie a speciali comandi del foglio elettronico è possibile fare previsioni analizzando serie storiche di dati 1 Le tecniche di regressione - Teoria

Dettagli

Corso di Econometria B Prof. Luca Stanca

Corso di Econometria B Prof. Luca Stanca Corso di Econometria B Prof. Luca Stanca o Marco Bianchi 2647 Gianluca Capuano 58318 Alessandro Nella 57994 La dinamica degli investimenti pubblici e privati in Italia dal 196 al 22 La nostra relazione

Dettagli

Struttura logica di un programma

Struttura logica di un programma Struttura logica di un programma Tutti i programmi per computer prevedono tre operazioni principali: l input di dati (cioè l inserimento delle informazioni da elaborare) il calcolo dei risultati cercati

Dettagli

EMBA PART TIME 2012 ROMA I ANNO

EMBA PART TIME 2012 ROMA I ANNO BUSINESS STATISTICS: ASSIGNMENT II: EMBA PART TIME 2012 ROMA I ANNO PROF. MOSCONI ESERCIZIO 1: USO DEL MODELLO DI REGRESSIONE PER DETERMINARE IL VALORE DEGLI IMMOBILI. ESERCIZIO 2: PREVISIONE DI VARIABILI

Dettagli

La regressione lineare applicata a dati economici

La regressione lineare applicata a dati economici La regressione lineare applicata a dati economici Matteo Pelagatti 7 febbraio 2008 Indice 1 Il modello lineare 2 2 La stima dei coefficienti e le ipotesi classiche 2 3 Le conseguenze del venir meno di

Dettagli

Prof.ssa Paola Vicard

Prof.ssa Paola Vicard Questa nota consiste per la maggior parte nella traduzione (con alcune integrazioni) da Descriptive statistics di J. Shalliker e C. Ricketts, 2000, University of Plymouth Consideriamo come esempio il data

Dettagli

Dai dati al modello teorico

Dai dati al modello teorico Dai dati al modello teorico Analisi descrittiva univariata in R 1 Un po di terminologia Popolazione: (insieme dei dispositivi che verranno messi in produzione) finito o infinito sul quale si desidera avere

Dettagli

Il modello di regressione lineare multivariata

Il modello di regressione lineare multivariata Il modello di regressione lineare multivariata Eduardo Rossi 2 2 Università di Pavia (Italy) Aprile 2013 Rossi MRLM Econometria - 2013 1 / 39 Outline 1 Notazione 2 il MRLM 3 Il modello partizionato 4 Collinearità

Dettagli

Ingegneria Chimica Ambientale. Centro Interdipartimentale di Fluidodinamica e Idraulica Università di Udine

Ingegneria Chimica Ambientale. Centro Interdipartimentale di Fluidodinamica e Idraulica Università di Udine Ingegneria Chimica Ambientale Analisi di serie temporali Marina Campolo Centro Interdipartimentale di Fluidodinamica e Idraulica Università di Udine Obiettivi dell analisi Serie temporale: sequenza di

Dettagli

1. Introduzione. 1.1 Cos è l econometria?

1. Introduzione. 1.1 Cos è l econometria? 1. Introduzione 1.1 Cos è l econometria? L econometria si occupa dello studio quantitativo delle relazioni economiche. Rappresenta lo strumento per interpretare la realtà alla luce della teoria economica,

Dettagli

MODULO 3 Foglio elettronico

MODULO 3 Foglio elettronico MODULO 3 Foglio elettronico I contenuti del modulo: Questo modulo verifica la comprensione da parte del corsista dei concetti fondamentali del foglio elettronico e la sua capacità di applicare praticamente

Dettagli

Esercitazione Statistica Computazionale B Modelli di regressione lineare semplice Verifica di ipotesi - Analisi della varianza

Esercitazione Statistica Computazionale B Modelli di regressione lineare semplice Verifica di ipotesi - Analisi della varianza Esercitazione Statistica Computazionale B Modelli di regressione lineare semplice Verifica di ipotesi - Analisi della varianza 3 maggio 2005 Esercizio 1 Consideriamo l esempio del libro di testo Annette

Dettagli

Scheda n.1: il software R

Scheda n.1: il software R Scheda n.1: il software R September 30, 2008 1 Introduzione Il software denominato R si può scaricare gratuitamente da rete, all indirizzo http://www.r-project.org/, seguendo le istruzioni di download.

Dettagli

NUOVO PORTALE ANCE. MANUALE per la GESTIONE della HOME PAGE VAI ALL INDICE DEI CONTENUTI

NUOVO PORTALE ANCE. MANUALE per la GESTIONE della HOME PAGE VAI ALL INDICE DEI CONTENUTI NUOVO PORTALE ANCE MANUALE per la GESTIONE della HOME PAGE VAI ALL INDICE DEI CONTENUTI DEI CONTENUTI ACCESSO AL MENU PRINCIPALE PAG. 3 CREAZIONE DI UNA NUOVA HOME PAGE 4 SELEZIONE TIPO HOME PAGE 5 DATA

Dettagli

Appunti di: MICROSOFT EXCEL

Appunti di: MICROSOFT EXCEL Appunti di: MICROSOFT EXCEL INDICE PARTE I: IL FOGLIO ELETTRONICO E I SUOI DATI Paragrafo 1.1: Introduzione. 3 Paragrafo 1.2: Inserimento dei Dati....4 Paragrafo 1.3: Ordinamenti e Filtri... 6 PARTE II:

Dettagli

MODULO 5 Basi di dati (database)

MODULO 5 Basi di dati (database) MODULO 5 Basi di dati (database) I contenuti del modulo: questo modulo riguarda la conoscenza da parte del candidato dei concetti fondamentali sulle basi di dati e la sua capacità di utilizzarli. Il modulo

Dettagli

Statistica II, Laurea magistrale in Ing. Gestionale, a.a. 20010/11 Esempi di domande e dissertazioni

Statistica II, Laurea magistrale in Ing. Gestionale, a.a. 20010/11 Esempi di domande e dissertazioni Statistica II, Laurea magistrale in Ing. Gestionale, a.a. 20010/11 Esempi di domande e dissertazioni Note. Si pensi di poter rispondere alle seguenti domande avendo l ausilio di: 1) un foglio con l elenco

Dettagli

3.3 Formattazione. Formattare un testo. Copyright 2008 Apogeo. Formattazione del carattere

3.3 Formattazione. Formattare un testo. Copyright 2008 Apogeo. Formattazione del carattere 3.3 Formattazione Formattare un testo Modificare la formattazione del carattere Cambiare il font di un testo selezionato Modificare la dimensione e il tipo di carattere Formattazione del carattere In Word,

Dettagli

1. Exponential smoothing. Metodi quantitativi per i mercati finanziari. Capitolo 5 Analisi dei prezzi. Consideriamo la media mobile esponenziale

1. Exponential smoothing. Metodi quantitativi per i mercati finanziari. Capitolo 5 Analisi dei prezzi. Consideriamo la media mobile esponenziale 1. Exponential smoothing Consideriamo la media mobile esponenziale Metodi quantitativi per i mercati finanziari XMA t = (1 α)xma t 1 + αp t come previsione del prezzo al tempo T + 1 sulla base dell insieme

Dettagli

Esplorazione dei dati

Esplorazione dei dati Esplorazione dei dati Introduzione L analisi esplorativa dei dati evidenzia, tramite grafici ed indicatori sintetici, le caratteristiche di ciascun attributo presente in un dataset. Il processo di esplorazione

Dettagli

Esercitazione. Fig. B.1 L ambiente di lavoro Exel

Esercitazione. Fig. B.1 L ambiente di lavoro Exel Esercitazione Exel: il foglio di lavoro B.1 Introduzione Exel è un applicazione che serve per la gestione dei fogli di calcolo. Questo programma fa parte del pacchetto OFFICE. Le applicazioni di Office

Dettagli

1 La Matrice dei dati

1 La Matrice dei dati Dispense sull uso di Excel Daniela Marella 1 La Matrice dei dati Un questionario è costituito da un insieme di domande raccolte su un determinato supporto (cartaceo o elettronico) e somministrate alla

Dettagli

il foglio elettronico

il foglio elettronico 1 il foglio elettronico ecdl - modulo 4 toniorollo 2013 il modulo richiede 1/2 comprendere il concetto di foglio elettronico e dimostri di sapere usare il programma di foglio elettronico per produrre dei

Dettagli

FOGLIO ELETTRONICO (SPREADSHEET) I fogli elettronici sono pacchetti applicativi per microcomputer

FOGLIO ELETTRONICO (SPREADSHEET) I fogli elettronici sono pacchetti applicativi per microcomputer FOGLIO ELETTRONICO (SPREADSHEET) I fogli elettronici sono pacchetti applicativi per microcomputer molto diffusi. Dal 1979 (VISICALC) al 1983 sono stati venduti oltre 1 milione di copie (5 ogni micro-computer).

Dettagli

Approfondimento 4.6. La valutazione statistica della discriminatività di un item

Approfondimento 4.6. La valutazione statistica della discriminatività di un item Approfondimento.6 La valutazione statistica della discriminatività di un item. Item di test di prestazione massima Per valutare la discriminatività di un item di un test di prestazione massima occorre

Dettagli

Test di restrizioni lineari nel MRLM: Esempi

Test di restrizioni lineari nel MRLM: Esempi Test di restrizioni lineari nel MRLM: Esempi Eduardo Rossi Università degli Studi di Pavia Corso di Econometria Marzo 2012 Rossi Test F: esempi 2012 1 / 23 Funzione di produzione Cobb-Douglas Esempio GDP

Dettagli

IDEAZIONE E REALIZZAZIONE DI UN MODELLO DI GESTIONE INTEGRATA DELLE ACQUE DEI BACINI LAGO DI VARESE, LAGO DI COMABBIO E PALUDE BRABBIA

IDEAZIONE E REALIZZAZIONE DI UN MODELLO DI GESTIONE INTEGRATA DELLE ACQUE DEI BACINI LAGO DI VARESE, LAGO DI COMABBIO E PALUDE BRABBIA IDEAZIONE E REALIZZAZIONE DI UN MODELLO DI GESTIONE INTEGRATA DELLE ACQUE DEI BACINI LAGO DI VARESE, LAGO DI ALLEGATO 1 ALLA RELAZIONE GENERALE MANUALE D USO DEL MODELLO CONDIVISO GIUGNO 2007 GRAIA srl

Dettagli

CONFRONTO TRA TECNICHE DI PREVISIONE: Processi regressivi e reti neurali artificiali

CONFRONTO TRA TECNICHE DI PREVISIONE: Processi regressivi e reti neurali artificiali Paolo Mezzera Ottobre 2003 CONFRONTO TRA TECNICHE DI PREVISIONE: Processi regressivi e reti neurali artificiali Questo lavoro ha lo scopo di confrontare previsioni ottenute mediante processi regressivi

Dettagli

GESTIONE DI FILE E CARTELLE

GESTIONE DI FILE E CARTELLE GESTIONE DI FILE E CARTELLE Uso del sistema operativo Windows 7 e gestione dei file I computers organizzano la memorizzano di tutte le loro informazioni attraverso due modi: contenitori e contenuti. In

Dettagli

CAPITOLO SECONDO ANALISI DELLE SERIE STORICHE 1. INTRODUZIONE ALLE SERIE STORICHE

CAPITOLO SECONDO ANALISI DELLE SERIE STORICHE 1. INTRODUZIONE ALLE SERIE STORICHE CAPITOLO SECONDO ANALISI DELLE SERIE STORICHE SOMMARIO: 1. Introduzione alle serie storiche. -. Analisi classica delle serie storiche. - 3. Analisi moderna delle serie storiche. 4. Procedura TRAMO-SEATS

Dettagli

USO DI EXCEL COME DATABASE

USO DI EXCEL COME DATABASE USO DI EXCEL COME DATABASE Le funzionalità di calcolo intrinseche di un foglio di lavoro ne fanno uno strumento eccellente per registrarvi pochi dati essenziali, elaborarli con formule di vario tipo e

Dettagli

Laboratorio di Statistica con R

Laboratorio di Statistica con R Laboratorio di Statistica con R R è un vero e proprio linguaggio di programmazione. Il suo nome, è dovuto probabilmente al nome dei suoi sviluppatori:robert Gentleman e Ross Ihaka Le principali funzioni

Dettagli

Patente Europea di Informatica ECDL Modulo 4. Lezione 3: Grafici Impostazione e verifica del foglio Opzioni di stampa. Anno 2011/2012 Syllabus 5.

Patente Europea di Informatica ECDL Modulo 4. Lezione 3: Grafici Impostazione e verifica del foglio Opzioni di stampa. Anno 2011/2012 Syllabus 5. Patente Europea di Informatica ECDL Modulo 4 Lezione 3: Grafici Impostazione e verifica del foglio Opzioni di stampa Anno 2011/2012 Syllabus 5.0 Una delle funzioni più importanti di un foglio elettronico

Dettagli

3) ANALISI DEI RESIDUI

3) ANALISI DEI RESIDUI 3) ANALISI DEI RESIDUI Dopo l analisi di regressione si eseguono alcuni test sui residui per avere una ulteriore conferma della validità del modello e delle assunzioni (distribuzione normale degli errori,

Dettagli

Esercitazione di riepilogo 23 Aprile 2013

Esercitazione di riepilogo 23 Aprile 2013 Esercitazione di riepilogo 23 Aprile 2013 Grafici Grafico a barre Servono principalmente per rappresentare variabili (caratteri) qualitative, quantitative e discrete. Grafico a settori circolari (torta)

Dettagli

Regressione Lineare con un Singolo Regressore

Regressione Lineare con un Singolo Regressore Regressione Lineare con un Singolo Regressore Quali sono gli effetti dell introduzione di pene severe per gli automobilisti ubriachi? Quali sono gli effetti della riduzione della dimensione delle classi

Dettagli

FUNZIONALITÀ DI REPORTISTICA DEL PROGRAMMA Gestione Negozi Benetton

FUNZIONALITÀ DI REPORTISTICA DEL PROGRAMMA Gestione Negozi Benetton FUNZIONALITÀ DI REPORTISTICA DEL PROGRAMMA Gestione Negozi Benetton SOMMARIO CENNI GENERALI... 3 STAMPA ORDINI... 18 STAMPA PACKING LIST... 21 STAMPA SCONTRINI... 24 STAMPA ARTICOLI VENDUTI... 30 STAMPA

Dettagli

GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno

GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno La Vista CAS L ambiente di lavoro Le celle Assegnazione di una variabile o di una funzione / visualizzazione

Dettagli

Metodi di previsione

Metodi di previsione Metodi di previsione Giovanni Righini Università degli Studi di Milano Corso di Logistica I metodi di previsione I metodi di previsione sono usati per ricavare informazioni a sostegno dei processi decisionali

Dettagli

IBM SPSS Forecasting 19

IBM SPSS Forecasting 19 IBM SPSS Forecasting 19 Note: Before using this information and the product it supports, read the general information under Notices a pag. 117. This document contains proprietary information of SPSS Inc,

Dettagli

Il Foglio Elettronico. Microsoft Excel

Il Foglio Elettronico. Microsoft Excel Il Foglio Elettronico 1 Parte I Concetti generali Celle e fogli di lavoro.xls Inserimento dati e tipi di dati Importazione di dati Modifica e formattazione di fogli di lavoro FOGLIO ELETTRONICO. I fogli

Dettagli

Indice. 1 Introduzione ai modelli lineari 2. 2 Dataset 3. 3 Il Modello 8. 4 In pratica 12 4.1 Peso e percorrenza... 12

Indice. 1 Introduzione ai modelli lineari 2. 2 Dataset 3. 3 Il Modello 8. 4 In pratica 12 4.1 Peso e percorrenza... 12 Indice 1 Introduzione ai modelli lineari 2 2 Dataset 3 3 Il Modello 8 4 In pratica 12 41 Peso e percorrenza 12 1 Capitolo 1 Introduzione ai modelli lineari Quando si analizzano dei dati, spesso si vuole

Dettagli

Dipartimento di Scienze dell Educazione Università degli studi Roma Tre

Dipartimento di Scienze dell Educazione Università degli studi Roma Tre Dipartimento di Scienze dell Educazione Università degli studi Roma Tre Materiale del Laboratorio sulle Procedure Statistiche di base con SPSS CASD Centro Analisi Statistica Dati 1 1. Il Questionario Nella

Dettagli

Sistemi di Elaborazione delle Informazioni

Sistemi di Elaborazione delle Informazioni Corso di Laurea Magistrale in Scienze Infermieristiche e Ostetriche Sistemi di Elaborazione delle Informazioni - Metodologia della Ricerca applicata - A.A. 2013/14 Docente: Gianni Pantaleo Dipartimento

Dettagli

Maria Chiara D Errico Università degli Studi di Perugia. Laboratorio di Econometria Introduzione a Stata

Maria Chiara D Errico Università degli Studi di Perugia. Laboratorio di Econometria Introduzione a Stata Maria Chiara D Errico Università degli Studi di Perugia Laboratorio di Econometria Introduzione a Stata Perugia, 11 Marzo 2013 STATA STATA è un software per l elaborazione dati e l analisi Statistica.

Dettagli

MICROSOFT WORD INTRODUZIONE

MICROSOFT WORD INTRODUZIONE 1 MICROSOFT WORD INTRODUZIONE Word è il programma più diffuso per elaborazione di testi, il cui scopo fondamentale è assistere l utente nelle operazioni di digitazione, revisione e formattazione di testi.

Dettagli

La Regressione Lineare

La Regressione Lineare La Regressione Lineare. Cos è l Analisi della Regressione Multipla? L analisi della regressione multipla è una tecnica statistica che può essere impiegata per analizzare la relazione tra una variabile

Dettagli

Statistica 4038 (ver. 1.2)

Statistica 4038 (ver. 1.2) Statistica 4038 (ver. 1.2) Software didattico per l insegnamento della Statistica SERGIO VENTURINI, MAURIZIO POLI i Il presente software è utilizzato come supporto alla didattica nel corso di Statistica

Dettagli

MODULO 3. Microsoft Excel. TEST ED ESERCIZI SU: http://www.informarsi.net/ecdl/excel/index.php

MODULO 3. Microsoft Excel. TEST ED ESERCIZI SU: http://www.informarsi.net/ecdl/excel/index.php MODULO 3 Microsoft Excel TEST ED ESERCIZI SU: http:///ecdl/excel/index.php Foglio Elettronico - SpreadSheet Un foglio elettronico (in inglese spreadsheet) è un programma applicativo usato per memorizzare

Dettagli

Schema di Statistica di Michele Faggion

Schema di Statistica di Michele Faggion Schema di Statistica di Michele Faggion Lezione 1 Bontà del modello: stima delle componenti di errore. Lʼobiettivo è capire la struttura per poi estrapolare delle previsioni (assunto di continuità). Eʼ

Dettagli

L Indicatore Anticipatore

L Indicatore Anticipatore L Indicatore Anticipatore Il nuovo sistema per la stima in corso d anno e la stima trimestrale della spesa in Conto Capitale della PA UVER Area Monitoraggio e Statistica 1 L Indicatore Anticipatore Fasi

Dettagli

GUIDA UTENTE FATTURA IMPRESA

GUIDA UTENTE FATTURA IMPRESA GUIDA UTENTE FATTURA IMPRESA (Vers. 4.5.0) Installazione... 2 Prima esecuzione... 5 Login... 6 Funzionalità... 7 Documenti... 8 Creazione di un nuovo documento... 9 Ricerca di un documento... 17 Calcolare

Dettagli

Guida Rapida all utilizzo di Microsoft Excel

Guida Rapida all utilizzo di Microsoft Excel Guida Rapida all utilizzo di Microsoft Excel Giorgio Delzanno L ambiente Excel Excel è un foglio elettronico costituito da tre diverse componenti: un gestore di cartelle di lavoro, un gestore di database

Dettagli

Uso di base delle funzioni in Microsoft Excel

Uso di base delle funzioni in Microsoft Excel Uso di base delle funzioni in Microsoft Excel Le funzioni Una funzione è un operatore che applicato a uno o più argomenti (valori, siano essi numeri con virgola, numeri interi, stringhe di caratteri) restituisce

Dettagli

4.1 UTILIZZO DELL APPLICAZIONE

4.1 UTILIZZO DELL APPLICAZIONE 4.1 UTILIZZO DELL APPLICAZIONE Il foglio elettronico (definito anche spreadsheet) è uno strumento formidabile. Possiamo considerarlo come una specie di enorme tabellone a griglia il cui utilizzo si estende

Dettagli

Fondamenti di Informatica T-1 CdS Ingegneria Informatica a.a. 2011/2012. Introduzione a Visual Studio 2005/2008/2010

Fondamenti di Informatica T-1 CdS Ingegneria Informatica a.a. 2011/2012. Introduzione a Visual Studio 2005/2008/2010 Fondamenti di Informatica T-1 CdS Ingegneria Informatica a.a. 2011/2012 Introduzione a Visual Studio 2005/2008/2010 1 Outline Solution e Project Visual Studio e linguaggio C Visual Studio schermata principale

Dettagli

Analisi statistica delle funzioni di produzione

Analisi statistica delle funzioni di produzione Analisi statistica delle funzioni di produzione Matteo Pelagatti marzo 28 Indice La funzione di produzione di Cobb-Douglas 2 2 Analisi empirica della funzione di produzione aggregata 3 Sommario Con la

Dettagli

LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE

LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE DESCRIZIONE DEI DATI DA ESAMINARE Sono stati raccolti i dati sul peso del polmone di topi normali e affetti da una patologia simile

Dettagli

Basi di dati. Introduzione. Una breve introduzione sulla suite di OpenOffice.org e la gestione dei database

Basi di dati. Introduzione. Una breve introduzione sulla suite di OpenOffice.org e la gestione dei database Basi di dati Introduzione Una breve introduzione sulla suite di OpenOffice.org e la gestione dei database OpenOffice.org (www.openoffice.org) è un potente software opensource che ha, quale scopo primario,

Dettagli

Lezione 6 Introduzione a Microsoft Excel Parte Terza

Lezione 6 Introduzione a Microsoft Excel Parte Terza Lezione 6 Introduzione a Microsoft Excel Parte Terza I grafici in Excel... 1 Creazione di grafici con i dati di un foglio di lavoro... 1 Ricerca del tipo di grafico più adatto... 3 Modifica del grafico...

Dettagli

Contenuto del libro...2 Convenzioni utilizzate nel libro...2

Contenuto del libro...2 Convenzioni utilizzate nel libro...2 Indice Introduzione... 1 Contenuto del libro...2 Convenzioni utilizzate nel libro...2 I INTERVALLI E FORMULE DI EXCEL 1 Ricavare il massimo dagli intervalli.... 7 Tecniche avanzate di selezione degli intervalli...7

Dettagli

Tenendo conto che la funzione di probabilità per una v.c. binomiale X è definita dalla seguente notazione

Tenendo conto che la funzione di probabilità per una v.c. binomiale X è definita dalla seguente notazione APPENDICE I. TAVOLE STATISTICHE Si ribadisce al lettore che in questa Appendice si riportano le procedure di Excel e di R.2.12.1 che gli permettono di trovare qualsiasi valore di probabilità cercato e

Dettagli

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili:

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili: Incertezze di misura Argomenti: classificazione delle incertezze; definizione di incertezza tipo e schemi di calcolo; schemi per il calcolo dell incertezza di grandezze combinate; confronto di misure affette

Dettagli

Traccia delle lezioni svolte in laboratorio Excel 2003. Excel 2003 Excel 2010

Traccia delle lezioni svolte in laboratorio Excel 2003. Excel 2003 Excel 2010 Traccia delle lezioni svolte in laboratorio Excel 2003 Excel 2003 Excel 2010 INTRODUZIONE A EXCEL EXCEL è un programma di Microsoft Office che permette di analizzare grandi quantità di dati (database)

Dettagli