DIPARTIMENTO di ECONOMIA - DIEC Scuola di Scienze Sociali

Transcript

1 ECONOMETRIA COD (Corso di laurea in Economia e Commercio ) - A.A. 2015/16 Docente Malvina MARCHESE. M.MARCHESE..@economia.unige.it Anno di corso:2 Sem:2 Sede: GENOVA SSD: SEC-S/P05 cfu6 Ore lezione:48 Obiettivi formativi Il corso è volto a fornire agli studenti gli strumenti di base dell analisi econometrica. Partendo da una rigorosa analisi teorica del modello di regressione lineare, introduce i principali stimatori e ne analizza le proprietà in finite sample e asymptotics sotto le ipotesi di Gauss-Markov. Il modello e la sua analisi vengono poi estesi a analisi di regressione multipla e i risultati in questo contesto vengono dimostrati utilizzando l algebra lineare. Il corso sviluppa poi un approfondita analisi dei principali test delle ipotesi basandosi sulla teoria della distribuzione e del loro utilizzo nella modellizzazione econometrica, in particolare delineandone la relazione con le domande di ricerca. Considera infine i casi di errata specificazione del modello e di fallimento delle ipotesi classiche,ne analizza le conseguenze sugli stimatori e sviluppa strategie di stima alternative,verificandone la validita. Scopo del corso è di sviluppare negli studenti la consapevolezza del modello econometrico come funzione della domanda economica alla base della ricerca, dunque come scelta a priori dell analisi, e la consapevolezza delle ipotesi necessarie al modello per ottenere risultai significativi per l analisi. Inoltre il corso è volto a fornire agli studenti la capacità di valutazione dei vari criteri di stima disponibili Il corso prevede uno stretto raccordo tra analisi teorica del modello e degli stimatori e analisi dei dati. Dopo lo studio approfondito del modello di regressione lineare e del test delle ipotesi gli studenti imparano a leggere ad analizzare regression outputs basati su dati forniti dal docente e utilizzando il software E-Views. In particolare il corso vuole sviluppare la capacità degli studenti di condurre test delle ipotesi per verificare l applicabilità del modello di regressione lineare classico ai dati di interesse. Programma/Contenuti Parte I: CONCETTI BASE DI PROBABILITA E INFERENZA STATISTICA: variabili aleatorie univariate e multivariate, funzioni di distribuzione e densità di variabili aleatorie univariate e multivariate, momenti di variabili aleatorie univariate e multivariate, teoria della distribuzione, momenti campionari, stimatori come variabili aleatorie, proprietà degli stimatori in finite sample,

2 consistenza degli stimatori, test delle ipotesi. INTRODUZIONE AI MODELLI ECONOMETRICI: variabile dipendente come variabile aleatoria e suoi momenti di interesse. modelli parametrici e non parametrici. modelli di regressione lineare e non lineare modelli di quantile regression conditional heteroskedasticity models TIPI DI DATI: dati cross section dati time series dati panel e loro vantaggi Parte II: MODELLO DI REGRESSIONE LINEARE SEMPLICE Scopo del modello Ipotesi di Gauss Markov con regressori non stocastici Ipotesi di Gauss- Markov con regressori stocastici Stimatore OLS, stimatore MLE, stimatore GMM: definizione e derivazione. Aspetti algebrici degli stimatori. Proprietà degli stimatori in finite sample Teorema di Gauss-Markov. Proprietà asintotiche degli stimatori: teorema di Slutzky, LLN, condizioni necessarie e sufficienti per la consistenza. Test delle ipotesi per il modello di regressione lineare semplice R quadro e R quadro adjusted, altri criteri di goodness of fit del modello. Parte III: MODELLO DI REGRESSIONE LINEARE MULTIPLO Scopo del modello Ipotesi di Gauss-Markov con regressori stocastici e non stocastici in forma compatta. Identificazione del modello e condizioni di esclusione di multicollinearita perfetta. Stima del modello tramite OLS e MLE. Aspetti algebrici degli stimatori. Proprietà degli stimatori in finite sample Teorema di Gauss-Markov. Proprietà asintotiche degli stimatori: teorema di Slutzky, LLN, condizioni necessarie e sufficienti per la consistenza,teorema del limite centrale. Parte IV: TEST DELLE IPOTESI NEL MODELLO DI REGRESSIONE LINEARE MULTIPLO. Parte V:PROBLEMI DI ERRONEA SPECIFICAZIONE DEL MODELLO PARTE VI: FALLIMENTO DELLE IPOTESI DI GAUSS-MARKOV Eventuali propedeuticità e/o pre requisiti consigliati

3 Matematica generale, prerequisito obbligatorio. Statistica I, prerequisito obbligatorio. Si raccomanda fortemente agli studenti di ripassare l algebra lineare, la teorie dell integrazione, e la teoria della probabilità oggetto dei corsi sopraelencati. Gli studenti sono invitati a colmare eventuali lacune con l ausilio del materiale di ripasso extra di algebra lineare e statistica disponibile prima dell inizio delle lezioni su Aulaweb sul sito di Econometria I.E di importanza fondamentale la capacita di risolvere integrali definiti per parti o sostituzione. Inoltre è di fondamentale importanza la conoscenza delle seguenti operazioni di algebra lineare: inner product,outer product, moltiplicazioni e somme tra matrici, calcolo del determinate di matrici quadrate ( fino a 3 per 3),calcolo dell inversa di una matrice quadrata, operazione di trasposta di una matrice. Risultati di apprendimento previsti Conoscenza e comprensione Gli studenti devono acquisire rigorosa conoscenza teorica del modello di regressione lineare multiplo e semplice, utilizzando principi di probabilità, inferenza statistica, e algebra lineare. Devono dimostrare un adeguata conoscenza degli strumenti di valutazione dei modelli econometrici, in particolare dei test delle ipotesi, e delle proprietà degli stimatori presentati, sia in finite sample sia in asymptotics. Inoltre devono essere in grado di analizzare le conseguenze di errata specificazione del modello o delle ipotesi sui risultati dell analisi e di proporre strategie di stima alternative, dimostrandone formalmente la validità. Gli studenti devono essere in grado di dimostrare formalmente tutti i risultati teorici illustrati nel corso. Capacità di applicare conoscenza e comprensione Gli studenti devono essere in grado di applicare le conoscenze teoriche sviluppate sul modello di regressione a data set forniti dal docente. In particolare devono sviluppare capacità di analisi di regression outputs sapendo interpretare i valori dei vari test delle ipotesi e individuare eventuali problemi di errata specificazione. Devono essere in grado di condurre test per verificare nei dati l eventuale presenza di endogeneita e di eteroschedasticita o correlazione seriale. Devono dimostrare una adeguata consapevolezza dei vari criteri di valutazione di validità del modello di regressione lineare rispetto ai dati forniti, valutando se effettivamente il modello sia significativo. Gli studenti devono dimostrare una conoscenza base del software E-Views utilizzato in aula dal docente nelle applicazioni. Autonomia di giudizio Obiettivo fondamentale del corso è di sviluppare negli studenti la consapevolezza del modello econometrico come scelta a priori dell analisi, legata alle specifiche esigenze di ricerca. Al termine del corso gli studenti devono aver acquisito consapevolezza dei diversi tipi di modelli utilizzati in ricerca e delle loro differenti finalità. Inoltre devono aver acquisto sufficiente sensibilità alle proprietà dei diversi stimatori per valutare caso per caso quale sia lo stimatore migliore in risposta alle esigenze di ricerca.di fondamentale importanza è la consapevolezza della differenza tra momenti della popolazione, il modello, e momenti del campione, derivati da semplici statistiche descrittive sui dati. Abilità comunicative Gli studenti devono acquisire il linguaggio statistico e matematico utilizzato dalla disciplina. Inoltre devono essere in grado di comprendere e comunicare i risultati ottenuti dall analisi di regressione lineare e di interpretarne la significatività per l analisi economica. Capacità di apprendimento Gli studenti devono sviluppare un autonoma capacità di analisi teorica che consenta loro di comprendere modelli a dati cross sections differenti da quelli presentati durante il corso. Inoltre devono essere in grado di valutare autonomamente, con l ausilio degli strumenti statistici forniti dal corso, quale tra i modelli disponibili sia più

4 adeguato per specifici dataset e loro eventuali specifiche domande di ricerca. Modalità didattiche, obblighi, testi e modalità di accertamento. Modalità didattiche Lezioni frontali, esercitazioni e computer classes. Presente su Aulaweb Obblighi Si No Testi di studio Stock and Watson, Introduzione all Econometria. Modalità di accertamento Ripetizione dell esame Esame scritto volto ad accertare la comprensione teorica della materia e le sue applicazioni empiriche. Per verificare la conoscenza e comprensione della materia gli studenti devono dimostrare di aver compreso e saper estendere le principali dimostrazioni teoriche svolte durante il corso. Al fine di verificare la loro autonomia di giudizio gli studenti dovranno dimostrare capacità di scelta tra diversi modelli in diverse situazioni pratiche di stima e test delle ipotesi. Al fine di dimostrare la loro capacità di conoscenza e comprensione gli studenti saranno chiamati an interpretare regression outputs e fornire intuizione e interpretazione economica degli stessi. Nessun salto d appello. Informazioni aggiuntive per gli studenti non frequentanti Modalità didattiche Obblighi Il programma per gli studenti non frequentanti è invariato rispetto al programma per gli studenti frequentanti. Gli studenti che non possono frequentare il corso devono contattare il docente nelle prime settimane di lezione. Testi di studio Gli studenti sono caldamente inviatati a fare riferimento non solo al testo di studio ma anche e soprattutto agli appunti scritti dal docente e disponibili su Aulaweb. Ai fini dell esame si raccomanda inoltre di risolvere gli esercizi extra disponibili su Aulaweb. Gli studenti possono usufruire dell orario di ricevimento sia per domande teoriche sia per dubbi nella risoluzione degli esercizi. Modalità di accertamento Esame Ripetizione dell esame scritto orale altro: Nessun salto d appello. For foreign students Course description Rigorous introductory course to econometric analysis. Simple and multiple linear regeressions, ols estimation, mle estimation, endogeneity and Iv estimation. Proof based course with empirical applications in STATA and E-Views. Methodology Lectures and classes. Attendance Not compulsory but strongly reccomanded Textbook and other reccomended All the relevant material will be posted on aulaweb at the beginning of the course.. A set of lecture notes and extra questions are available on AulaWeb.Students

5 resources are strongly recommended to rely on these notes and attempt all the extra questions given. Students are very welcome to discuss the extra questions during office hours Assessment A two hours written exam with theoretical questions and exercise solving question.