Prof. Luca Colombo

.-

Econometria

PROF. LUCA COLOMBO OBIETTIVO DEL CORSO

Il corso presenta i principali modelli econometrici come strumento per l’indagine quantitativa di fenomeni economici e finanziari. L’econometria consente di misurare variabili non direttamente osservabili, di studiare le relazioni tra le stesse e di analizzarne l’andamento, nonché di testare e confrontare teorie alternative, o di prevedere e simulare gli effetti di diverse politiche. Poiché un aspetto caratterizzante del corso è l’enfasi posta sugli aspetti applicativi, le lezioni teoriche saranno corredate da un ciclo organico di esercitazioni, basate sull’utilizzo di software econometrico (Stata). Lo studente sarà messo in condizione di sviluppare autonomamente analisi econometriche, tese sia a verificare la comprensione e a implementare le tecniche ed i modelli analizzati durante le lezioni teoriche, sia a realizzare analisi empiriche su temi di economia e finanza. OBIETTIVI FORMATIVI CHE LO STUDENTE DOVREBBE AVERE RAGGIUNTO PRIMA DI ACCEDERE AL CORSO

Prima di accedere al corso lo studente dovrebbe conoscere: – le variabili casuali e le caratteristiche delle loro distribuzioni di probabilità (media, mediana, varianza e deviazione standard), nonché le caratteristiche delle distribuzioni congiunte e condizionali (covarianza e correlazione, aspettative e varianze condizionate e le loro proprietà); – la distribuzione normale e quelle collegate a essa: chi-quadro, distribuzione t e distribuzione F; – gli elementi fondamentali della statistica matematica: non distorsione, consistenza e normalità asintotica; – gli elementi fondamentali dei test d’ipotesi; – le proprietà caratteristiche di alcune forme funzionali (lineari, quadratiche e più in generale polinomiali, logaritmiche ed esponenziali) e gli elementi di base del calcolo differenziale; – i temi fondamentali della micro e macro-economia, nonché della teoria della finanza e della finanza aziendale. PROGRAMMA DEL CORSO

1. La natura dell’econometria e dei dati economici Al termine della trattazione dell’argomento lo studente sarà in grado di:

– comprendere la natura e le finalità dell’analisi econometrica, nonché le determinanti essenziali di un modello econometrico; – riconoscere le strutture di dati (cross-sezionali, serie storiche, pooled crosssection e panel) più comunemente utilizzate nelle analisi empiriche; – comprendere la rilevanza delle nozioni di causalità e di analisi ceteris paribus per l’analisi econometrica. 2. Analisi di regressione con dati cross-sezionali: stima Al termine della trattazione dell’argomento lo studente sarà in grado di: – valutare l’impatto ceteris paribus di una specifica variabile indipendente; – utilizzare il metodo dei minimi quadrati ordinari (OLS) per stimare i parametri di modelli di regressione multipla e valutare la bontà di una regressione; – derivare le proprietà statistiche e algebriche degli stimatori OLS (nondistorsione e efficienza) e delle loro varianze. 3. Regressione multipla: inferenza Al termine della trattazione dell’argomento lo studente sarà in grado di: – effettuare test d’ipotesi sui parametri del modello di regressione nella popolazione (test t) e test su ipotesi singole che coinvolgono più di un parametro, nonché derivare intervalli di confidenza; – effettuare test d’ipotesi relativi a restrizioni multiple (test F); – valutare la significatività complessiva di una regressione. 4. Regressione multipla: proprietà asintotiche Al termine della trattazione dell’argomento lo studente sarà in grado di: – dimostrare che gli stimatori OLS sono consistenti; – verificare che i test t e F continuano ad avere distribuzioni approssimativamente t e F anche in assenza dell’ipotesi di distribuzione normale degli errori. 5. Regressione multipla: approfondimenti su forme funzionali e specificazione, selezione dei regressori, caratteristiche dei dati Al termine della trattazione dell’argomento lo studente sarà in grado di: – comprendere l’impatto sulle stime OLS di variazioni nelle unità di misura delle variabili; – misurare gli effetti delle variabili indipendenti sulla variabile dipendente in termini di deviazioni standard (coefficienti beta); – realizzare ed interpretare modelli con forme funzionali non lineari (logaritmiche, quadratiche, con effetti di interazione); – valutare l’effetto dell’introduzione di regressori aggiuntivi in un modello 2 econometrico ( R -aggiustato); nonché il trade-off tra l’inclusione di variabili irrilevanti e la mancata considerazione di variabili rilevanti.

6. Regressione multipla in presenza di informazioni qualitative: variabili binarie (dummy variable) Al termine della trattazione dell’argomento lo studente sarà in grado di: – utilizzare informazioni qualitative ed ordinali nelle analisi di regressione e per valutare programmi di policy; – formulare e valutare i limiti del linear probability model per effettuare analisi di regressione multipla in presenza di variabile dipendente binaria e conoscerne i limiti. 7. Eteroschedasticità Al termine della trattazione dell’argomento lo studente sarà in grado di: – calcolare errori standard e test robusti all’eteroschedasticità di forma non nota; – effettuare test per verificare la presenza di eteroschedasticità (il test di BreuschPagan e il test di White); – derivare stimatori WLS (minimi quadrati ponderati) in presenza di eteroschedasticità di forma nota e valutarne le proprietà; – stimare un modello per l’eteroschedasticità e derivare stimatori feasible GLS (minimi quadrati generalizzati). 8. L’analisi di regressione con serie storiche Al termine della trattazione dell’argomento lo studente sarà in grado di: – valutare le differenze concettuali tra serie storiche e dati cross-sezionali; – formulare i modelli di regressione per serie storiche più comunemente utilizzati in economia e finanza e derivare le proprietà (sotto le ipotesi classiche) degli stimatori OLS; – utilizzare e interpretare forme funzionali logaritmiche e dummy variable in applicazioni con serie storiche e event study, incorporare trend e stagionalità in analisi di regressione multipla; – analizzare serie storiche stazionarie e debolmente dipendenti e derivare le proprietà asintotiche degli stimatori OLS; – effettuare e valutare i limiti dell’analisi di regressione in presenza di serie storiche altamente persistenti (processi unit root). 9. Correlazione seriale ed eteroschedasticità nelle regressioni con serie storiche Al termine della trattazione dell’argomento lo studente sarà in grado di: – derivare le proprietà degli stimatori OLS in presenza di correlazione seriale; – effettuare test per verificare la presenza di correlazione seriale; – effettuare inferenza robusta alla presenza di correlazione seriale e di eteroschedasticità.

BIBLIOGRAFIA J.M. WOOLDRIDGE, Introductory Econometrics: A Modern Approach, Thomson South-Western, ult.

ed. Appunti del docente, materiale didattico integrativo e ulteriori riferimenti bibliografici saranno resi disponibili alla pagina dedicata al corso nell’area didattica del sito web del docente. DIDATTICA DEL CORSO Il corso è articolato in lezioni teoriche (60 ore) e integrato da un ciclo organico di esercitazioni (20 ore) fondate sull’uso del software econometrico Stata. METODO DI VALUTAZIONE Il corso prevede lo svolgimento di un esame scritto (suddiviso in una parte teorica e in una applicata) e di una eventuale prova orale integrativa. AVVERTENZE Orario e luogo di ricevimento Il Prof. Luca Colombo riceve gli studenti il martedì dalle ore 15,00 presso l’Istituto di Economia e finanza (via Necchi 5, uff.n. 203), o su appuntamento (e-mail [email protected]).