ECONOMETRIA

Docenti

Corsi di laurea e percorsi

Insegnamenti mutuati

Programma

Obiettivi Formativi

Il corso approfondisce alcuni aspetti dei metodi econometrici con riferimento ai modelli di regressione univariati e multivariati come i modelli a equazioni simultanee e modelli autoregressivi vettoriali (VAR). Si propone quindi di preparare lo studente a utilizzare strumenti econometrici essenziali per la misurazione, l'interpretazione e la previsione dei fenomeni economici e finanziari. Il corso è volto alla pratica econometrica.

Prerequisiti

Elementi di algebra matriciale, di teoria delle variabili casuali, di inferenza statistica: stima e verifica delle ipotesi.

Contenuti

Introduzione al modello di regressione lineare
-come si costruisce un modello econometrico uniequazionale
-linearità e non linearità, variabili endogene ed esogene, variabili osservabili e non osservabili, presenza di parametri ignoti
-i minimi quadrati ordinari come strumento algebrico di determinazione dei parametri ignoti
Affidabilità dei valori stimati
-distribuzione degli stimatori
-proprietà dello stimatore OLS in campioni finiti
-verifica d’ipotesi: test sui vincoli lineari
-multicollinearità
Cenni ai test diagnostici per l’errata specificazione
-test per l’autocorrelazione e per l’eteroschedasticità
-test di normalità
Modelli per serie storiche univariate
-modelli statici e dinamici
-processi stocastici, momenti, funzione di covarianza e di correlazione
-stazionarietà forte e stazionarietà in covarianza
-processi stocastici MA, AR e ARMA
Strategie di specificazione e selezione dei repressori
-errori di specificazione nei modelli lineari: inclusione di variabili irrilevanti, esclusione di variabili rilevanti
-motivazioni per la scelta della strategia dal generale al particolare
-la selezione dei regressori in base al criteri R2 aggiustato, AIC e BIC
-legami tra i criteri R2 aggiustato, AIC e BIC e la statistica F
Processi stocastici non stazionari
-processi con radice unitaria o integrati
-il processo random walk
-il test ADF per la verifica di presenza di radici unitarie in una serie temporale
Modelli dinamici nel caso di non stazionarietà
-analisi dinamica del modello ADL: moltiplicatori dinamici e relazione di lungo periodo
-la riparametrizzazione ECM
-introduzione ai problemi inferenziali nel caso di variabili con radici unitarie: statistiche non standard per i test e regressione spuria
Modello ECM nel caso di serie non stazionarie
-metodo a due passi di Engle–Granger
-test di cointegrazione
-limiti dell’approccio Engle–Granger
Criteri asintotici di valutazione delle stime dei parametri
-richiami alle diverse definizioni di convergenza
-legge debole dei grandi numeri
-teoremi ergodici: di Khinchine, di Tchebytcheff, di Markov
-proprietà asintotiche dello stimatore OLS
Modelli statistici bayesiani
-funzione di densità di probabilità campionaria, a priori, a posteriori e previsiva
-costruzione della distribuzione congiunta nello spazio campionario e spazio dei parametri
-esemplificazione di convergenza parametrica nella sperimentazione partendo da a priori diverse
Princìpi statistici rilevanti
-cenni alla teoria delle decisioni
-non unicità della strategia rispetto allo spazio campionario e rispetto allo spazio parametrico
Identificazione parametrica
-la funzione di informazione di Fisher e di Kullback–Leibler
-informazione e identificazione
-identificazione in senso debole e forte, globale e locale
Analisi multivariata delle serie temporali
-momenti di un processo stocastico multivariato
-stazionarietà e non stazionarietà nei processi stocastici multivariati
-processi ARMA multivariati
Modelli statistici ed econometrici
-differenza tra modelli statistici ed econometrici
-la simultaneità: parametri d'interesse e parametri di disturbo
-la forma strutturale, ridotta e finale
-identificazione nei modelli a equazioni simultanee
Simultaneità: metodi di stima dei parametri strutturali
-metodi ad informazione limitata
-metodi ad informazione completa
Riduzione nei modelli econometrici
-riduzione ammissibile
-indipendenza condizionale
-sufficienza e ancillarità di una statistica e di un parametro
-statistica ancillare in senso esteso e statistica condizionalmente sufficiente
Esogenità
-stretta esogenità econometrica
-esogenità debole, forte e superesogenità
-operazioni ammissibili con i diversi concetti di esogenità
Previsione
-previsione ex-post ed ex-ante

Testi di riferimento

Testi di riferimento per il programma svolto:
(in rosso sono indicati i riferimenti alternativi sul Verbeek (2006), Econometria, Zanichelli)


A) Cappuccio N. e R. Orsi (2005), Econometria, Il Mulino

Capitolo 4 Analisi asintotica nel modello di regressione lineare multipla (pp. 151-192) (pp. 26-38)

Paragrafo 6.5.1 Una strategia per la scelta di una specificazione dinamica (pp. 298-299) (pp. 48-53) (pp.256-257)

Capitolo 8 Sistemi di equazioni lineari (pp. 367-423) (pp.110-134)

Capitolo 11 Variabili integrate e test di radici unitarie (pp. 539-582) (pp.239-251)

Capitolo 12 Modelli lineari con variabili I(1) e cointegrazione (pp. 583-622) (pp.278-292)
(escluso Paragrafo 12.5)

Appendice A Richiami di algebra matriciale (pp. 649-674) (pp.350-356)
(solo per consultazione)

Appendice B Vettori aleatori (pp.675-700)



B) Peracchi F. (1995), Econometria, McGraw-Hill Libri Italia

Paragrafo 1.1.4 Identificabilità (pp. 12-14)

Paragrafo 1.1.5 Modelli parametrici regolari (pp. 14-17)

Capitolo 4.6 Metodi bayesiani (pp. 137-146)

Capitolo 4.7 Problemi di decisione statistica (pp. 146-154)

Capitolo 9.6 Metodi classici per la scelta di un modello (pp. 292-298)
(eccetto 9.6.2 La procedura Cp)

Modalità di verifica dell'apprendimento

L'esame è suddiviso in due parti:
- presentazione di un modello econometrico (regressione uniequazionale multivariata) su dati economici o finanziari;
- discussione su argomenti del corso a scelta dello studente.

Metodi didattici

Convenzionale

Lingua di insegnamento

Italiano