INTRODUCTION TO ECONOMETRICS

Il corso si prefigge l'obiettivo di fornire allo studente gli strumenti per capire cos'è una domanda di ricerca in economia, come si identifica una relazione causale, e gli strumenti di base per poterla stimare

1. Conoscenza e comprensione
- Saper descrivere ed individuare una relazione causale fra variabili
- Saper descrivere il meccanismo necessario per identificare tale regressione
- Conoscere le proprietà e gli ambiti di applicazione di una Regressione lineare
- Conoscere gli elementi base dell'analisi delle serie temporali

2. Capacità di applicare conoscenza e comprensione
- Dato un problema economico, saper rappresentare il modello econometrico equivalente e saper valutare se esiste una relazione causale identificabile
- Saper implementare in Stata ed in Python una regressione lineare
- Saper implementare in Stata ed in Python un'analisi di un problema di serie storiche

3. Capacità di giudizio
- Saper individuare lo strumento di analisi econometrica più appropriato per affrontare una domanda di ricerca specifica scegliendo tra quelli proposti in classe

4. Abilità comunicative
- Saper descrivere ed interpretare i risultati di un'analisi econometrica e le implicazioni economiche della stessa
- Sapere interagire con il docente, con gli altri studenti e con il tutor in modo critico e rispettoso.

5. Capacità di apprendimento
- Saper consultare criticamente i testi di riferimento e la bibliografia in essi contenuta.
- Saper modificare e ampliare gli esempi di codice Stata e Python forniti durante il corso

Avere raggiunto gli obiettivi formativi di Matematica 1 e 2, Statistica 1 e 2 , Introduction to coding, Economia politica 1 e 2 e Politica economica.

domande di ricerca
Identificazione
Relazioni Causali
Effetti di trattamento
Regressione lineare
Event Studies
Stimatore Diff-in-Diff

NHK: Nick Huntington-Klein, "The Effect An Introduction to Research Design and Causality", 2021 Chapman and Hall/CRC

Il testo è disponibile gratuitamente online a questo sito: https://theeffectbook.net/

Prova al computer al termine del corso. La prova includerà la scrittura di un pezzo di codice in Stata e Python. Durante il corso verranno proposte esercitazioni da svolgere a casa e consegnare. Tali esercitazioni concorreranno al voto finale del corso

Lezione (70% frontale, 30% su Stata), esercitazioni (90% in Python, 10% in Stata). Il corso che gli studenti preparino alcuni materiale a casa che veranno poi utilizzati per espander ed approfondire i singoli temi (flipped classes)

Inglese

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