Costituiscono obiettivi formativi:
-Conoscenza e capacità di comprensione: L’insegnamento si propone di far acquisire gli strumenti e i modelli econometrici più frequentemente usati nell'analisi economica applicata ai fini della stima e inferenza sugli effetti causali statici e dinamici, nonché ai fini delle previsioni di breve e medio periodo.

- Applicazione pratica delle conoscenze acquisite: L’insegnamento si
propone di fare acquisire la capacità di utilizzare in modo autonomo il pacchetto econometrico GRETL ai fini di un’analisi econometrica su dati sezionali, temporali o panel. Durante il corso gli studenti saranno incoraggiati a effettuare almeno due analisi econometriche e a presentare un rapporto scritto contenente una descrizione dettagliata delle analisi fatte e dei più rilevanti risultati ottenuti.

-Autonomia di giudizio: Alla fine del corso, lo studente dovrà avere fatto
propri i concetti presentati ed essere in grado di applicarli criticamente
ed in modo appropriato anche a situazioni diverse da quelle illustrate.

-Abilità comunicative: Alla fine del corso, lo studente dovrà essere in
grado di comunicare in modo efficace e con proprietà di linguaggio
tecnico i concetti appresi.

-Capacità di apprendere: Alla fine del corso, lo studente dovrà avere
sviluppato capacità adeguate per poter intraprendere con autonomia lo
studio di argomenti più avanzati.

Knowledge of topics contained in the courses of mathematics, statistics and introduction to econometrics of a typical bachelor's degree in economics (e. g., that one offered by DEAMS).

Review of the regression function and its properties.
The multiple linear regression model in matrix notation.
Review of the OLS estimator, its properties and inference on the regression
coefficients robust to heteroscedasticity.
Mispecification tests for the multiple linear regression model.
Practical lessons using GRETL.
Simultaneous causality and the issue of endogenous regressors: the method of instrumental variables
Econometric time-series models: static and dynamic models.
Properties of the OLS estimator of the static linear regression model and inference
robust to heteroscedasticity and residual serial correlation. Tests of residual serial
correlation.
The AR(1) model and the linear dynamic regression model.
Properties of the OLS estimator of the dynamic linear regression model
Information criteria for selecting the lag lenght and mispecification tests.
ARMA(p,q) models and Box-Jenkins' approach.
Outline on non stationary processes: the random walk model.
Practical lessons using pc.
Econometric multivariate models for stationary economic time-series.
The dynamic multivariate linear regression model. The SUR estimator.
The Vector AutoRegressive (VAR) models specification, estimation, mispecification
tests and inference; Granger's causality test using a stationary VAR model.
Multiperiodical forecasting.
Impulse responce function (innovation accounting)
Outline on structural VARs.
Practical lessons using pc.
Only for students of statistical master's degree:
Panel data models
Advantages and potential problems in using panel data;
Static panel data models: fixed effects, random effects and other forms of
heterogeneity;
The Fixed Effects estimator(within group estimator) and the Random Effects
estimator;
Strictly exogenous, weakly exogenous and endogenous regressors; review of the
instrumental variables estimator.
The method of moments and the generalized method of moments (GMM);
Asymptotic properties of GMM estimator; Testing the overidentifying restrictions; Application to Dynamic panel data models; the Arellano and Bond's GMM estimator.
Practical lessons using pc.

- J. H. Stock e M. W. Watson, Introduzione all'Econometria, quarta ed., 2016 Pearson Italia-Milano, Torino oppure la quarta edizione del 2016 con lo stesso titolo. -A. Gardini, G. Cavaliere, M. Costa, L. Fanelli e P. Paruolo, Econometria (due volumi). Franco Angeli, 2000. -Marno Veerbek, Econometria, Zanichelli, 2006; -Notes and other materials on Moodle 2.0. An other useful textbook: -Nunzio Cappuccio e Renzo Orsi, Econometria, il Mulino, Bologna, seconda edizione, 2005.

Theoretical and practical lessons using GRETL for estimating, making inference and prediction/forecast of the linear econometric models introduced in the course. Moreover, during the course students will be asked to do homework and consign them by means of Moodle 2.0.

Eventuali cambiamenti alle modalità qui descritte, che si rendessero necessari per garantire l'applicazione dei protocolli di sicurezza legati all'emergenza COVID19, saranno comunicati nel sito web di Dipartimento, del Corso di Studio e dell'insegnamento.

During the course, in order to verify students learning homework will be set. The final exam is oral, focusing on the theoretical and practical lessons as well as on the content of homework and GRETL knowledge.

This course explores topics closely related to one or more goals of the United Nations 2030 Agenda for Sustainable Development (SDGs)