POLICY EVALUATION METHODS

In questo corso studiamo i metodi per l'inferenza causale. L'inferenza causale si concentra sulla stima delle relazioni causali: il ricercatore è interessato a quantificare l'effetto di una causa (chiamata anche trattamento) su una o più variabili di interesse. I metodi di inferenza causale sono ampiamente utilizzati sia nel mondo accademico che nell'industria per valutare ex post l'effetto degli interventi di policy, dove il termine policy include qualsiasi intervento di interesse da parte di agenti pubblici o privati. Il premio Nobel 2021 è stato assegnato a Joshua Angrist, Guido Imbens e David Card per i loro contributi all'analisi delle relazioni causali e dell'economia del lavoro. In questo corso impareremo alcuni metodi inferenziali di cui sono stati i pionieri. I metodi trattati sono: matching, variabili strumentali ed effetto del trattamento medio locale (LATE) e regressioni discontinue.

1. Conoscenza e comprensione
- conoscere metodi econometrici sperimentali e quasi sperimentali per l'analisi causale
- in grado di comprendere e interpretare il risultato di complesse analisi microeconometriche
- Conoscenza del codice Stata necessario per eseguire un'analisi di inferenza causale

2. Capacità di applicare conoscenza e comprensione
- in grado di sviluppare una strategia empirica per l'identificazione causale e di selezionare e applicare il metodo econometrico appropriato per una specifica domanda di ricerca.
- Sa svolgere in Stata un'analisi econometrica per identificare una relazione causale

4. Abilità comunicative
- in grado di presentare in modo chiaro e preciso il risultato di un'analisi causale

5. Capacità di apprendimento
- Avere gli strumenti per approfondire la conoscenza di analisi econometriche più avanzate e più specifiche per l'identificazione causale

Questo è un corso di master del secondo anno. Il docente darà per noti i contenuti di Probability and Statistics, Econometrics I, Microeconomics I e II

Analisi causale grafica
Modello causale di Rubin e Randomized Control Trials
Matching
Regression Discontinuity
Variabili Strumentali

Scott Cunningham (2021), Causal Inference: The Mixtape, Yale University Press.
Il testo è disponibile gratuitamente online al sito http://mixtape.scunning.com/ .
Una selezione di papers scientifici che verranno resi disponibili in moodle
Alcuni capitoli di altri libri specificati durante il corso

Esame Open book. Al termine del corso verrà assegnato un esame che potrà includere sia domande teoriche che analisi da svolgere in Stata. L'esame dovrà essere svolto da ciascuno studente singolarmente. L'esame si considererà superato se lo studente sarà in grado di rispondere alle domande e svolgere correttamente i task assegnati in Stata per almeno uno degli esercizi

scritto

Il/la docente ha il dovere di vigilare affinché siano rispettate le regole di autenticità e originalità delle prove d'esame. Di conseguenza, nei casi in cui vi sia il sospetto di un comportamento irregolare, l'esame può prevedere un ulteriore approfondimento, contestuale alla prova d'esame, che potrà essere realizzato anche in modalità differente rispetto alle modalità sopra riportate.

L'esame è generalmente composto da due esercizi. Entrambi gli esercizi richiedono la lettura e comprensione di un paper, la scrittura di codice in STATA per ottenre delle stime e dei grafici, ed il commento critico degli stessi. L'esame si considera superato (18/30) se lo studente completa, senza errori almeno uno dei due esercizi, o se comunque dimostra di essere in grado sia di programmare, che di commentare in modo critico i risultati.
Una maggior precisione e completezza delle risposte porterà il voto a salire.

Lezione frontale e sessioni pratiche in STATA in aula

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