Obiettivi Formativi

L’obiettivo del corso è fornire allo studente gli strumenti metodologici e applicativi (con uso di packages) mediamente progrediti per la rilevazione e l’analisi dei dati qualitativi e quantitativi in ambito sociale ed economico. Le competenze acquisite con il corso dovrebbero consentire allo studente di orientarsi nella gestione di dataset di grosse dimensioni, di stimare modelli microeconometrici come l’offerta di lavoro o la funzione del consumo individuale, di verificare statisticamente ipotesi di cambiamento strutturale, di stimare gli effetti di un intervento di politica economica, di un investimento o di un programma di formazione.

Metodi didattici

Il corso è articolato su lezioni teoriche (circa 30 ore) frontali e laboratorio informatico (circa 30 ore), con applicazioni su basi di dati di provenienza Banca d’Italia e Istat. Vengono utilizzati packages “open source” specifici che rimangono nella disponibilità dello studente. In particolare il package GRETL, scaricabile gratuitamente da: http://gretl.sourceforge.net/win32/index_it.html

Prerequisiti

E’ richiesta allo studente una conoscenza propedeutica della statistica di base (probabilità, inferenza e verifica di ipotesi) e delle proprietà generali del modello di regressione lineare semplice, oltre che un minimo di dimestichezza con l’utilizzo del foglio elettronico su PC.

Verifiche dell'apprendimento

E’ prevista almeno una verifica in itinere per gli studenti che frequentano assiduamente i corsi. Le prove d’esame vertono sia sull’accertamento della conoscenza della teoria (con una prova scritta), sia sulla capacità di applicare su dati empirici o simulati quanto appreso, tramite una o più prove computazionali. La valutazione viene effettuata in trentesimi. Viene giudicato sufficiente il raggiungimento, da parte dello studente, di un livello di preparazione che gli permetta di individuare correttamente, e mettere in pratica, la metodologia di indagine utile per affrontare un problema specifico. La valutazione cresce in misura diretta al grado di autonomia dello studente nell’analisi e nel confronto fra modelli e metodologie alternative. Viene valutata positivamente, inoltre, la capacità di analizzare i risultati ottenuti con adeguato spirito critico.

Programma del Corso

I parte (2 CFU)- Nozioni propedeutiche di algebra lineare e teoria della probabilità: Elementi di calcolo differenziale. Vettori, matrici, determinanti e relativi operatori algebrici. Variabili casuali. Distribuzioni multivariate. Distribuzione normale bivariata e multivariata. Distribuzioni di forme quadratiche. II parte (2 CFU) – Modello lineare : Il modello lineare generale. Ipotesi di base sulle proprietà algebriche e statistiche. Lo stimatore OLS. Aspetti inferenziali e problemi di analisi della regressione (cenni su multicollinearità, eteroschedasticità e autocorrelazione). Vincoli lineari e verifica di ipotesi. Test di cambiamento strutturale. III parte (4 CFU) – La funzione di verosimiglianza e il relativo stimatore. Modelli lineari generalizzati e Modelli con variabili dipendenti limitate: Modelli a scelta discreta: Probit e Logit. Il problema dell’endogeneità nel modello di regressione. Le variabili strumentali. Minimi Quadrati a Due Stadi (2SLS). Stima di modelli con variabili dipendenti troncate o censurate (caso studio: stima dell’equazione del salario). Cambiamento strutturale endogeno: Modelli di regressione a due regimi. Stima degli effetti di un trattamento. Stima degli effetti di trattamento dipendenti da un intervento o dall’attuazione di un programma (caso studio: stima del rendimento economico dell’istruzione).