Insegnamento STATISTICA ECONOMICA
Nome del corso di laurea | Finanza e metodi quantitativi per l'economia |
---|---|
Codice insegnamento | GP002959 |
Sede | PERUGIA |
Curriculum | Statistica per l'economia e la finanza |
Docente responsabile | David Aristei |
Docenti |
|
Ore |
|
CFU | 6 |
Regolamento | Coorte 2016 |
Erogato | Erogato nel 2017/18 |
Erogato altro regolamento | |
Attività | Caratterizzante |
Ambito | Matematico, statistico, informatico |
Settore | SECS-S/03 |
Anno | 2 |
Periodo | Secondo Semestre |
Tipo insegnamento | Obbligatorio (Required) |
Tipo attività | Attività formativa monodisciplinare |
Lingua insegnamento | ITALIANO |
Contenuti | Il programma del corso si articola nei seguenti argomenti principali: 1) Introduzione ai modelli statistici per l'analisi dei dati microeconomici 2) Modelli con variabili dipendenti qualitative e per dati di conteggio 3) Modelli con variabili dipendenti limitate 4) Modelli per dati longitudinali |
Testi di riferimento | Testi di riferimento: - Verbeek, M. (2006), Econometria, Prima Edizione, Zanichelli. - Verbeek, M. (2017), A Guide to Modern Econometrics,Wiley. - Greene, W. (2012), Econometric Analysis, 7th Ed., Prentice Hall. Testi di consultazione: - Manera, M., Galeotti, M. (2005), Microeconometria. Metodi e Applicazioni, Carocci. |
Obiettivi formativi | Il corso intende fornire agli studenti alcuni strumenti di analisi statistico-econometrica per l’analisi dei dati economici micro-aggregati. In particolare, l’obiettivo del corso è quello di introdurre i principali modelli per l'analisi micro-econometrica dei dati cross-section e per l'analisi dei dati longitudinali. I modelli saranno presentati sia dal punto di vista metodologico che applicato, permettendo agli studenti di per poter svolgere e comprendere le analisi empiriche. A tale fine, il corso prevede delle sessioni di laboratorio in cui gli studenti saranno introdotti all'utilizzo del software econometrico Stata e in cui saranno presentate delle applicazioni relative ai metodi trattati nelle lezione. |
Prerequisiti | Al fine di comprendere e saper affrontare i principali argomenti del corso, lo studente deve possedere conoscenze di base sui principali metodi di statistica inferenziale e sul modello di regressione lineare multipla. Lo studente dovrebbe aver acquisito tali conoscenze durante il primo anno del percorso di studi di laurea magistrale. |
Metodi didattici | Lezioni frontali in aula ed esercitazioni in laboratorio. |
Altre informazioni | Per gli studenti frequentanti sono previste delle esercitazioni non obbligatorie, che concorreranno alla valutazione finale. |
Modalità di verifica dell'apprendimento | L'esame prevede una prova scritta e una prova orale La prova scritta ha durata di due ore ed è strutturata in due parti. La prima è domande è composta da domande a risposta aperta ed è finalizzata a verificare la comprenaione dei principali aspetti teorici dell'insegnamento. La seconda parte è consiste nella soluzioni di alcuni esercizi, finalizzata a valutare la capacità di applicare correttamente le metododologie oggetto dell'insegnamento. Il colloquio orale è obbligatorio ed è finalizzato a verificare il livello di conoscenza dei contenuti teorici e metodologici e la capacità di comunicazione dello studente con proprietà di linguaggio. Per informazioni sui servizi di supporto agli studenti con disabilità e/o DSA visita la pagina http://www.unipg.it/disabilita-e-dsa |
Programma esteso | 1) Introduzione ai modelli statistici per l'analisi dei dati microeconomici - I dati economici micro-aggregati: dati cross-section e dati panel - Richiami sul modello di regressione lineare. - Richiami sui modelli di scelta binaria. 2) Modelli con variabili dipendenti qualitative e per dati di conteggio - Modelli logit e probit a risposta ordinata. - Modelli multinomiali. - Modelli per dati di conteggio: i modelli di Poisson e Binomiale Negativo. 3) Modelli con variabili dipendenti limitate - Variabili dipendenti troncate e censurate. - Il modello Tobit standard. - Estensioni del modello Tobit. - Il problema della distorsione da selezione campionaria. 4) Modelli di durata - Funzione di rischio e di sopravvivenza - Campioni di analisi e stima dei modelli di durata 5) Modelli per dati longitudinali - I vantaggi dei dati panel - Il modello lineare statico: il modello pooled, il modello a effetti fissi e quello a effetti casuali. - Test di specificazione per dati panel. - Modelli lineari dinamici. - Modelli di scelta binaria per dati panel: il modello logit a effetti fissi e il modello probit a effetti casuali. |