e c o n o m e t r i a

corso di laurea specialistica
universita' degli studi di Salerno, anno accademico 2016/2017

 

a n n u n c i

e s a m i

Chi dove come cosa quando perche'.

l e z i o n i

Argomenti delle lezioni svolte

  1. 20 set 2016. Introduzione al corso.
  2. 26 set 2016. Regressione con un regressore: specificazione e stima. Paragrafi 4.1 e 4.2.
  3. 27 ott 2016. Regressione con un regressore: ipotesi minimi quadrati. Paragrafo 4.4.
  4. 28 ott 2016. Regressione con un regressore: distribuzione campionaria stimatori ols, test, intervalli di confidenza e variabili dummy. Paragrafi 4.3-4.4 e 5.1-5.3.
  5. 03 ott 2016. Regressione con un regressore: R2, SER, eteroschedasticita'. Paragrafi 4.3, 5.4.
  6. 04 ott 2016. Regressione con un regressore: Dimostrazioni sui momenti empirici. Appendice 4.3.
  7. 11 ott 2016. Regressione multipla: variabili omesse, specificazione, rappresentazione matriciale, ipotesi. Appendice 4.3, paragrafi 6.1, 6.2, 6.3, 6.5, 18.1.
  8. 10 ott 2016. Regressione multipla: derivazione stimatore OLS, proprieta' asintotiche e stima della varianza asintotica. Par. 6.6, 6.6, 18.1, 18.2.
  9. 17 ott 2016. Regressione multipla: test di ipotesi e bonta' della stima 7.1, 7.2, 7.3, 6.4, 7.5, 18.3.
  10. 18 ott 2016. Esercitazione informatica. Es. E4.2, E6.1, E7.2. Testo degli esercizi: [P D F]. File log della sessione: [I N P]
  11. 19 ott 2016. Regressione multipla: GLS e problemi con gli errori standard. Par 18.6, Angrist-Pischke, Mostly Harmless Econometrics, paragrafo 8.1 e 8.2. Slides: [P D F].
  12. 24 ott 2016. Esercitazione informatica. Es. E4.2, E6.1, E7.2. Testo degli esercizi: [P D F].
  13. 25 ott 2016. Funzioni di regressione non lineari: polinomi e logaritmi. Par 8.1, 8.2.
  14. 26 ott 2016. Funzioni di regressione non lineari: interazioni. Par 8.3.
  15. 07 nov 2016. Esercitazione informatica. Es. E4.1, E5.1, E7.1, E7.2, E7.3. Testo degli esercizi: [P D F].
  16. 08 nov 2016. Valutazione degli studi: minacce alla validita' interna ed esterna. Par 9.1, 9.2.
  17. 09 nov 2016. Valutazione degli studi: previsione e problemi con gli errori standard. Par 9.3, Angrist-Pischke, Mostly Harmless Econometrics, paragrafo 8.1 e 8.2. Slides: [P D F].
  18. 14 nov 2016. Dati panel: introduzione, modello prima e dopo, modello con effetti fissi. Par 10.1, 10.2. 10.3, 10.5. .
  19. 15 nov 2016. Dati panel: modello con effetti temporali, errori hac clustered, effetti casuali, panel dinamici. Par 10.3, 10.4, 10.5, appendice 10.2.
  20. 16 nov 2016. Variabili dipendenti binarie: modello lineare di probabilita', logit, probit, stima e inferenza. Par. 11.1, 11.2, 11.3.
  21. 21 nov 2016. Esercitazione informatica. Es. E10.1, E10.2. Testo degli esercizi: [T X T].
  22. 22 nov 2016. Variabili strumentali: definizione, caso con un regressore e uno strumento. Par 12.1.
  23. 13 nov 2016. Variabili strumentali: modello generale IV, validita' degli strumenti. Par 12.2, 12.3.
  24. 23 nov 2016. Variabili strumentali: modello generale IV, dove trovare strumenti validi. Par 12.4, 12.5. Pagina sul test di Durbin-Wu-Hausman: [P D F], slide applicazione: [P D F].
  25. 28 nov 2016. Esercitazione informatica. Testo degli esercizi: [T X T].
  26. 29 nov 2016. Esperimenti e quasi esperimenti: esperimenti ideali, potenziali problemi. Par 13.1, 13.2
  27. 29 nov 2016. Esercitazione informatica. Testo degli esercizi: [T X T].
  28. 30 nov 2016. Esperimenti e quasi esperimenti: variabili di controllo, diff-in-diff, indipendenza in media condizionata, progetto STAR. Par 13.3, 13.4, appendice 13.3.
  29. 30 nov 2016. Esperimenti e quasi esperimenti: quasi-esperimenti, problemi potenziali, popolazioni eterogenee. Par 13.5, 13.6, 13.7.
  30. 12 dic 2016. Revisione, esame di prova, domande e risposte.

m a t e r i a l e

Materiale didattico.

p r o g r a m m a

Programma del corso (in corsivo gli argomenti