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.

Conoscenza degli argomenti contenuti nei corsi di matematica, statistica e di introduzione all'econometria di una tipica laurea triennale economica (ad. es. quella offerta dal DEAMS)

Il corso ha una durata complessiva di 75 ore. Le prime 60 ore del corso vengono seguite anche dagli studenti della laurea magistrale economica. Contenuto delle prime 60 ore di corso:
Richiami sulla funzione di regressione e sue proprietà.
Il modello di regressione lineare multipla con uso della notazione matriciale.
Richiami sulle proprietà dello stimatore OLS dei parametri del modello di
regressione lineare multipla ed inferenza robusta all’eteroschedasticità.
Test di corretta specificazione del modello di regressione multipla: test di normalità dei residui, test di White, test RESET di Ramsey, test di Chow.
Esercitazioni al computer in GRETL.
Simultanea causalità e il problema dei regressori endogeni: il metodo delle variabili strumentali.
Modelli econometrici per serie temporali: modelli statici e modelli dinamici.
Proprietà dello stimatore OLS dei parametri del modello di regressione lineare
statico ed inferenza robusta all’eteroschedasticità e alla correlazione seriale dei
residui. Test di correlazione seriale dei residui: test di Bartlett, di Ljung-Box e di Breusch-Godfrey.
Il modello AR(1) ed il modello di regressione lineare dinamico: modelli AR, ADL e DL.
Proprietà dello stimatore OLS dei parametri del modello di regressione lineare
dinamico.
Test di corretta specificazione del modello: oltre ai test visti in precedenza, il test QLR per break endogeno. Criteri informativi per la scelta dei
ritardi.
I modelli ARMA(p,q) e l'approccio Box -Jenkins.
Cenni sui processi non stazionari: il modello di passeggiata aleatoria (random walk). La previsione statica e dinamica nei modelli per serie temporali. Uso delle pseudo-previsioni.
Esercitazioni al computer.
Modelli econometrici multivariati per serie storiche economiche stazionarie.
Il modello di regressione lineare dinamico multivariato. Lo stimatore SUR.
Il modello autoregressivo vettoriale (VAR): specificazione, stima, test di corretta
specificazione del modello ed inferenza sui parametri; test di causalità di Granger
nei modelli VAR stazionari.
Le previsioni multiperiodali.
Funzione di risposta all’impulso (innovation accounting)
Cenni sui VAR strutturali.
Esercitazioni al computer.

Per gli studenti del Corso di laurea magistrale statistico è prevista inoltre una parte aggiuntiva di 15 ore su:
Modelli per dati panel.
Vantaggi e potenziali problemi nell'uso di dati panel;
Modelli lineari statici per dati panel: effetti fissi ed effetti casuali ed altre forme di eterogeneita`;
Lo stimatore Fixed effects (within group) e lo stimatore random effects;
Regressori strettamente esogeni, debolmente esogeni ed endogeni; richiami sulla regressione con variabili strumentali.
Il metodo dei momenti ed il metodo dei momenti generalizzato (GMM);
Proprieta` asintotiche dello stimatore GMM; Test sulle restrizioni di sovraidentificazione; Applicazione ai modelli dinamici per dati panel; Trasformazione alle differenze prime del modello e stimatore GMM di Arellano e Bond.
Esercitazioni al computer.

- J. H. Stock e M. W. Watson, Introduzione all'Econometria, quinta ed., 2020 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; -appunti ed altro materiale in Moodle 2.0. Altro testo utile: -Nunzio Cappuccio e Renzo Orsi, Econometria, il Mulino, Bologna, seconda edizione, 2005.

Oltre alle lezioni teoriche è previsto un ciclo di esercitazioni al computer in GRETL aventi per oggetto l'analisi di dati economici nella forma di dati sezionali, serie temporali e dati longitudinali (dati panel) e la stima, l'inferenza e la predizione/previsione con i modelli econometrici introdotti nel corso. Inoltre durante il corso sarà richiesto lo svolgimento di alcune tesine/compiti per casa da consegnare in 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.

Durante il corso, al fine di verificare l'apprendimento degli studenti, verranno assegnati dei compiti per casa. L'esame finale è orale ed è basato sul contenuto delle lezioni teoriche ed applicate, nonchè sui compiti per casa e sulla conoscenza di GRETL.

Questo insegnamento approfondisce argomenti strettamente connessi a uno o più obiettivi dell’Agenda 2030 per lo Sviluppo Sostenibile delle Nazioni Unite