MICROECONOMETRICS

Il corso costituisce parte integrante della sequenza di Econometria fornita agli studenti di dottorato in Economia. I fondamenti teorici del corso Econometrics EM2Q05 vengono approfonditi e specializzati in ambito microeconometrico. Verranno poi proposte numerose applicazioni degli strumenti analitici presentati durante il corso. Agli studenti è richiesto l'uso del software STATA

Questo corso mira a fornire agli studenti le competenze necessarie per intraprendere ricerche applicate indipendenti utilizzando i moderni metodi di microeconometria.

Lo studente deve conoscere i contenuti del corso EM2Q05, o più in generali gli elementi fondamenti di un corso di Teoria Econometrica di levello avanzato. Nello specifico, si danno per noti i capitoli da 1 a 5 del testo Davidson, Russell, and James G. MacKinnon. Econometric theory and methods.New York: Oxford University Press, 2004

• Endogeneità nei modelli cross-sectional: Instrumental Variables e GMM
• Cluster-robust Inference e bootstrap
• Specificazione del modello di stima: trasformazioni non lineari nelle variabili, selezione dei regressori, test di specificazione, multicollinearità
• Stima con dati Panel: pooled OLS, differenze prime, effetti fissi, effetti casuali, approccio di Mundlak
• Endogeneità nei modelli con dati panel.
• Panel dinamici
• Modelli di scelta binaria: variabili latenti e random utility; Modelli di probabilità lineari; Probit e Logit
• Modelli di scelta binaria con regressori endogeni
• Modelli di scelta binaria con dati panel
• Econometria spaziale

Testi di riferimento:
1. Cameron and Trivedi (2005) “Microeconometrics: Methods and Applications” Cambridge Univ Press, Cambridge, UK.
2. Wooldridge (2010) “Econometric Analysis of Cross Section and Panel Data”, 2nd edition, MIT press, USA

Alcuni materiali saranno presi da:
1. Davidson, Russell, and James G. MacKinnon. Econometric theory and methods. New York: Oxford University Press, 2004.
2. Greene, William. H.(2003) Econometric Analysis. New Jersey, ua: Prentice Hall (2003): 135-145.
3. Baltagi, B. H. (Ed.). (2008). A companion to theoretical econometrics. John Wiley & Sons.
4. Verbeek, M. (2005). A modern guide to econometrics. Wiley.
5. Hsiao (1986) Analysis of panel data, Cambridge University Press, Cambridge
6. Anselin, Spatial Econometrics: Methods and Models. Dordrecht: Kluwer Academic Publishers, 1988.

La valutazione si baserà su tre compiti a casa (60%) e un ultimo esame a casa (40%). Sia i compiti a casa che l'esame contengono domande teoriche ed esercizi empirici da eseguire con STATA. Lavorare in gruppo è fortemente incoraggiato: gli homeworks devono essere fatti in coppia, ma le coppie devono cambiare ad ogni compito. L'esame deve essere svolto individualmente.

Lezioni frontali ed homeworks. Gli studenti sono invitati a partecipare attivamente alla discussione in classe.

I libri di testo saranno integrati da paper citati durante le lezioni. reading list non esaustiva:

1. Anderson, T. W., & Hsiao, C. (1981). Estimation of dynamic models with error components. Journal of the American statistical Association, 76(375), 598-606.
2. Arellano, M., & Bond, S. (1991). Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations. The review of economic studies, 58(2), 277-297.
3. Blundell, R., & MaCurdy, T. (2000). Labor Supply," Handbook of Labor Economics, O. Ashenfelter and D. Card, eds.
4. Brambor, Clark, Golder (2006) Understanding Interaction Models: Improving Empirical Analyses", Political Analysis 14:63-82
5. Breusch, T. S., & Pagan, A. R. (1980). The Lagrange multiplier test and its applications to model specification in econometrics. The Review of Economic Studies, 239-253.Nickell (1981)
6. Bun, M. J., & Kiviet, J. F. (2006). The effects of dynamic feedbacks on LS and MM estimator accuracy in panel data models. Journal of econometrics, 132(2), 409-444.Rivers and Vuong (1988)
7. Burbidge, J. B., Magee, L., and Robb, L. A. (1988) Alternative transformations to handle extreme values of the dependent variable, Journal of the American Statistical Association 83, 123-127
8. Butcher, Kristin F., and Anne Case. "The effect of sibling sex composition on women's education and earnings." The Quarterly Journal of Economics (1994): 531-563.
9. Cameron, A. C., & Miller, D. L. (2015). A practitioner’s guide to cluster-robust inference. Journal of Human Resources, 50(2), 317-372.
10. Elhorst, J. P. (2003). Specification and estimation of spatial panel data models. International regional science review, 26(3), 244-268.
11. Evans, W. N., & Montgomery, E. (1994). Education and health: where there's smoke there's an instrument (No. w4949). National Bureau of Economic Research.
12. Fernández-Val, I. (2009). Fixed effects estimation of structural parameters and marginal effects in panel probit models. Journal of Econometrics, 150(1), 71-85.
13. Hausman, J. "Specification tests in econometrics." Econometrica (1978): 1251-1271.
14. Heckman, J. J. (1979). Sample selection bias as a specification error. Econometrica: Journal of the econometric society, 153-161.
15. Heckman, Lochner and Todd (2003) "Fifty Years of Mincer Earnings Regressions". NBER wp 9732
16. Kelejian, H. H., & Prucha, I. R. (1998). A generalized spatial two-stage least squares procedure for estimating a spatial autoregressive model with autoregressive disturbances. The Journal of Real Estate Finance and Economics, 17(1), 99-121
17. Kennedy, P. E. (2002). Sinning in the basement: What are the rules? The ten commandments of applied econometrics. Journal of Economic Surveys, 16, 569-589.
18. Lam, David, and Robert F. Schoeni. "Effects of family background on earnings and returns to schooling: evidence from Brazil." Journal of political economy (1993): 710-740.
19. Millo, G., & Pasini, G. (2010). Does Social Capital Reduce Moral Hazard? A Network Model for Non‐Life Insurance Demand*. Fiscal Studies, 31(3), 341-372.
20. Moulton, B. (1990) An Illustration of a Pitfall in Estimating the Effects of Aggregate Variables on Micro Units, The Review of Economics and Statistics, Vol. 72, No. 2, pp. 334-338
21. Mundlak, Yair. "On the pooling of time series and cross section data." Econometrica: journal of the Econometric Society (1978): 69-85.
22. Sanderson, E., & Windmeijer, F. (2013). A weak instrument F-test in linear IV models with multiple endogenous variables (No. CWP58/13). CEMMAP working paper, Centre for Microdata Methods and Practice.

scritto

Questo insegnamento tratta argomenti connessi alla macroarea "Capitale umano, salute, educazione" e concorre alla realizzazione dei relativi obiettivi ONU dell'Agenda 2030 per lo Sviluppo Sostenibile