ECONOMETRIA

Attività formativa monodisciplinare
Codice dell'attività formativa: 
86008

Scheda dell'insegnamento

Per studenti immatricolati al 1° anno a.a.: 
2018/2019
Insegnamento (nome in italiano): 
ECONOMETRIA
Insegnamento (nome in inglese): 
ECONOMETRICS
Tipo di attività formativa: 
Attività formativa Caratterizzante
Tipo di insegnamento: 
Obbligatoria
Settore disciplinare: 
ECONOMETRIA (SECS-P/05)
Anno di corso: 
2
Anno accademico di offerta: 
2019/2020
Crediti: 
6
Responsabile della didattica: 

Altre informazioni sull'insegnamento

Modalità di erogazione: 
Didattica Convenzionale
Lingua: 
Italiano
Ciclo: 
Secondo Semestre
Obbligo di frequenza: 
No
Ore di attività frontale: 
48
Ambito: 
Economico
Materiali didattici: 
Prerequisiti

Buona conoscenza della teoria della probabilita', della statistica inferenziale e dell'algebra lineare. Si tenga conto delle propedeuticità obbligatorie (consultare il sito https://lt-eco.unibg.it/it/node/119).

Obiettivi formativi

Lo scopo principale del corso e’ quello di illustrare il ruolo dell'econometria nella verifica empirica dei modelli economici teorici. Attraverso un corretto impiego delle tecniche della inferenza statistica è possibile stimare i parametri teoricamente rilevanti, verificare le ipotesi della teoria, ed eventualmente utilizzare i modelli per fare previsione e simulazione degli effetti di politiche economiche. Verra’ introdotto il metodo dei minimi quadrati ordinari (con discussione delle ipotesi classiche), il metodo di stima della massima verosimiglianza e dei relativi test statistici. Durante il corso verranno discussi diversi casi empirici (funzioni di consumo, di domanda di lavoro, di domanda di moneta,.) e diverse lezioni saranno dedicate all’introduzione e all'uso del pacchetto econometrico PcGive, allo scopo di illustrare empiricamente l'importanza delle problematiche metodologiche trattate nel corso.

Contenuti dell'insegnamento

1)Richiami di algebra delle matrici e di statistica. 2)La teoria economica e modelli econometrici. 3)Il modello lineare -Modello di regressione lineare classico -Ipotesi classiche sul modello lineare -Minimi quadrati ordinari (MQO) -Proprietà statistiche dello stimatore dei MQO. -Valutazione del fit della regressione. -Prova delle ipotesi e intervalli di confidenza. -Minimi quadrati vincolati e test di validità dei vincoli. -Minimi quadrati generalizzati. -Verifica della presenza di errori eteroschedastici e di autocorrelazione e procedure di correzione. 4)Ulteriori approfondimenti: -Cenni su problemi circa la forma funzionale delle specificazioni strutturali. -Utilizzo delle variabili di comodo. Outliers e stagionalità. -Conseguenze di errori di misurazione sulla variabile dipendente, sulle variabili indipendenti e su tutte e due. -Errori di specificazione: (a) effetti dell'omissione di variabili rilevanti; (b) effetti dell'inclusione di variabili irrilevanti. -Tecnica di stima a variabili strumentali. 5) Stimatori di massima verosimiglianza e loro proprietà. Tre procedure di test asintoticamente equivalenti: a) test di rapporto delle verosimiglianze (RV). b) test di Wald (W). c) test del moltiplicatore di Lagrange (ML). Test ML sotto forma di . 6)Modelli delle serie storiche: modelli AR, MA, ARMA, ARIMA, ARFIMA,VAR. 7)Breve introduzione alle diverse metodologie econometriche e alle attuali controversie in econometria. 8)Specificazioni dinamiche alternative per modelli lineari e test per la specificazione e la validazione dei modelli: a)Metodologia dal generale al particolare e criteri su cui basare l'accettazione di un modello. b)Test di specificazione e test per l'analisi della corretta specificazione. c)Esogenità e causalità in econometria. 9) Non stazionarietà e test per radici unitarie, cointegrazione: introduzione.

Testi di riferimento

Urga, G. (2016), Appunti di Econometria (disponibili c/o il centro stampa nel Febbraio 2020).
MANUALI IN ITALIANO
Cappuccio, N. e Orsi, R. 2011. Introduzione all'Econometria. Giappichelli Editore.
Stock, J.H. and Watson, M.W. (2009), Introduzione all' Econometria. (2/Ed), Pearson, Prentice Hall. Cappuccio, N. e Orsi, R. 2006. Econometria. Il Mulino. Johnston, J.1993. Econometrica, 3ª Edizione, Franco Angeli. (traduzione della 2ª edizione originale, 1984).
Marcellino, M., 2006, Econometria Applicata. Una Introduzione, EGEA, Milano.
Verbeek, M. 2004. A Guide to Modern Econometrics. Wiley (Edizione Italiana, 2006)

Metodi didattici

Lezione frontali ed esercitazioni applicati utilizzando i pacchetti econometrics PcGive e G@RCH di Oxmetrics.

Modalità verifica profitto e valutazione

L'esame si compone di:

a) PROVA TEORICO-PRATICA: elaborazione di un esercizio empirico, assegnato dal docente, da svolgere utilizzando il software OxMetrics (PcGive e G@RCH) e da consegnare via Moodle entro il 25 Maggio 2020.
Valore 30% del voto finale.

b) PROVA SCRITTA: domande a risposta aperta sulla parte teorica del programma del corso e sugli esercizi empirici svolti.
Durata; 2 ore e 15 minuti.
Valore: 70% del voto finale. Per superare l'esame finale entrambe le prove devono essere sufficienti.

Prerequisites

Good knowledge of probability theory, inferential statistics and linear algebra.

Educational goals

The course provides a detailed introduction of the multiple linear regression model and an extended presentation of the econometric techniques to model the main characteristics of economic and financial time series. We start with an extensive introduction of regression analysis and introduce the OLS and ML estimation methods. We then cover topics such as autoregressive and moving average representations, stationary and non-stationary time series, the distinction between deterministic and stochastic trends, and conditional and unconditional forecasts. We then introduce VAR representation, cointegration analysis and equilibrium correction formulation of dynamic models.

Course content

1) Revision of linear algebra and statistics (probability and inference). 2) Econometric models and economic/financial theories. 3) The classical linear regression model. Hypotheses on the linear regression model- Ordinary least squares (MQO), Statistical properties of the estimator of the MQO: unbiasedness, consistency and efficiency. Goodness of fit of the regression. Hypothesis testing and confidence intervals. Violation of the hypotheses on linear regression model: Generalised least squares for heteroschedasticity and serial correlation. 4) Further topics - Functional form, use of dummy variables modelling outliers, seasonality and structural breaks. Consequences of measurement errors in the dependent variable, in the independent variable or of both. Specification errors: (a) The effects of the emission of relevant variables; (b) The effects of the inclusion of irrelevant variables. Instrumental variables. 5) Maximum likelihood estimator and its properties. Three asymptotically equivalent tests: Likelihood ratio test (LR), Wald test (W), Lagrange multiplier test (ML). ML test for the mispecification error. 6) Time series models: AR, MA, ARMA, ARIMA, ARFIMA,VAR. 7) Short introduction to econometric methodologies and current controversies. 8) Alternative dynamic specifications of linear models; a) General-to-specific methodology. b) mispecification tests; c) exogeneity and causality in econometrics. 9) Stationary vs non-stationary time series, unit root tests. Cointegration: an extensive introduction.

Textbooks and reading lists

MANUALI IN INGLESE:
Maddala, G.S., 2001. Introduction to Econometrics, 3 Edizione, Wiley & Sons.
Pyndyck,R.S. e Rubinfeld, D.L., 1991. Econometrics Models and Economic Forecasts, New York, McGraw-Hill. Campbell, J.Y., A.W. Lo, e MacKinlay A.C., 1997.The Econometrics of Financial Markets, Princeton University Press.
Mills, T., 1999. The Econometric Modelling of Financial Time Series, Cambridge University Press. Taylor, S., 1992. Modelling Financial Time Series, J. Wiley & Sons.

Teaching methods

Lectures and practical classes using the econometric packages PcGive and G@RCH in Oxmetrics.

Assessment and Evaluation

The assessment consists of
A) One home-take COURSEWORK to be assigned by the lecturer, to be executed using OxMetrics (PcGive and G@RCH), and to be submitted by the 25 May 2020.
Mark: 30% of the final mark.

B) two-hour WRITTEM EXAM (short-answers, proofs and numerical questions) based on the material in the syllabus and on the coursework. Mark: 70% of the final mark.
Students must pass both coursework and final written exam.