Studiare
In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.
Piano Didattico
Queste informazioni sono destinate esclusivamente agli studenti e alle studentesse già iscritti a questo corso.Se sei un nuovo studente interessato all'immatricolazione, trovi le informazioni sul percorso di studi alla pagina del corso:
Laurea magistrale in Economics and data analysis - Immatricolazione dal 2025/2026Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.
1° Anno
| Insegnamenti | Crediti | TAF | SSD |
|---|
One module between the following2° Anno Attivato nell'A.A. 2022/2023
| Insegnamenti | Crediti | TAF | SSD |
|---|
Two modules among the followingTwo modules among the followingOne module between the following| Insegnamenti | Crediti | TAF | SSD |
|---|
One module between the following| Insegnamenti | Crediti | TAF | SSD |
|---|
Two modules among the followingTwo modules among the followingOne module between the following| Insegnamenti | Crediti | TAF | SSD |
|---|
Legenda | Tipo Attività Formativa (TAF)
TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.
Econometrics (2021/2022)
Codice insegnamento
4S02464
Docente
Coordinatore
Crediti
9
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
SECS-P/05 - ECONOMETRIA
Periodo
secondo semestre (lauree magistrali) dal 21 feb 2022 al 13 mag 2022.
Obiettivi formativi
Il corso fornisce una rassegna delle principali tecniche econometriche, con particolare enfasi sulle applicazioni economiche, sviluppate interattivamente usando applicativi professionali. Il programma copre modelli econometrici standard (regressione OLS e diagnostica) così come modelli più avanzati per l'analisi di dati sezionali, di serie storiche e longitudinali (IV, probit, tobit, effetti casuali ed effetti fissi). Attenzione particolare sarà dedicata all'intuizione sottostante ogni argomento, in aggiunta a temi più formali. Alla fine del corso si proporrà un compito su base volontaria, con l'obiettivo di tradurre domande di ricerca in analisi empiriche, al fine di applicare su dati reali gli strumenti appresi in aula, e stimolare la discussione tra gli studenti. Al termine del corso gli studenti saranno in grado di: i) leggere ed interpretare criticamente lavori empirici sviluppati da altri ricercatori; ii) gestire piccoli e grandi dataset per estrarne informazione utile, e iii) concepire ed implementare autonomamente analisi empiriche basate su dati reali.
Programma
1) Introduzione
1.1) Cos'è l'Econometria?
Definizione; dati sezionali, di serie storiche e longitudinali.
1.2) Tutorial di R
Gestione di dati; statistiche di base; grafici.
2) Stimatore dei minimi quadrati ordinari (OLS)
2.1) Introduzione
Regressioni univariate e multivariate; effetti marginali ed elasticità; R-quadro ed R-quadro corretto; valori anomali.
2.2) Proprietà
Ipotesi Gauss-Markov; non distorsione; efficienza; consistenza; normalità asintotica.
2.3) Verifica d'ipotesi
Test t su una restrizione; test F su più restrizioni.
3) Diagnostica dello stimatore OLS
3.1) Specificazione
Collinearità; variabili superflue e omesse; test RESET di specificazione; test Chow di stabilità strutturale.
3.2) Eteroschedasticità
Test White e Breusch-Pagan; standard error robusti di White.
4) Stimatore a variabili strumentali (IV)
4.1) Stimatore
Ipotesi; stimatore semplice a variabili strumentali (SIV) e stimatore generalizzato a variabili strumentali (GIV); proprietà; derivazione a due stadi (2SLS).
4.2) Selezione degli strumenti
Test di rilevanza; strumenti deboli; test di validità di Sargan; test di esogeneità di Hausman.
5) Variabile dipendente limitata (LDV)
5.1) Variabile dipendente binaria
Modello di probabilità lineare (LPM); modelli probit e logit; effetti marginali; stima di massima verosimiglianza; bontà di adattamento; verifica d'ipotesi.
5.2) Dati troncati e censurati
Regressione troncata; modello tobit-I; modelli tobit-II e heckman; effetti marginali; bontà di adattamento.
6) Altri tipi di dati
6.1) Serie storiche
Stazionarietà; Processi AR; Test Durbin-Watson e Breusch-Godfrey; standard error robusti di Newey-West.
6.1) Dati longitudinali
Diff-in-diff; Effetti raggruppati, effetti fissi ed effetti casuali; bontà di adattamento; Test di confronto; attrito.
Modalità di insegnamento: lezioni frontali
Bibliografia
Modalità d'esame
L’esame è scritto; non sono previste integrazioni orali.
L’esame è composto da una prova scritta ed un homework. Il voto finale dell’esame è dato dalla media dei voti nella prova scritta e nell’homework, pesati rispettivamente per l’80% ed il 20% del totale. Per superare l’esame, è necessario ottenere un voto non inferiore a 16/30 nella prova scritta.
Lo studente può rifiutare separatamente il voto dell’esame ed il voto dell’homework. Il voto dell’homework può tuttavia essere rifiutato una sola volta.
La prova scritta dura un’ora e trenta minuti e copre l’intero programma del corso. Durante la prova è possibile usare la calcolatrice, ma non appunti né altro materiale didattico.
L’homework viene svolto individualmente, e può essere di due tipi (Homework I o Homework II). L'Homework I mira a sviluppare le abilità analitiche attraverso l'analisi di dati. L'Homework II punta a sviluppare abilità critiche rispetto ad applicazioni empiriche. Ogni studente può scegliere a quale homework aderire, ma deve aderire ad uno dei due. Trascorso il termine per la consegna dell’Homework I, sarà possibile svolgere solo l’Homework II. L'homework deve essere svolto prima di partecipare ad una prova scritta ed il suo voto rimane valido per tutto l’anno accademico.
