Questo corso sviluppa modelli e tecniche per l'analisi microeconometrica dei dati trasversali e longitudinali. Le tipologie di modelli studiati sono mirate all'analisi dei dati Binari, di Conteggio, di Durata, Longitudinali e Multinomiali. Nel corso si svilupperanno anche i metodi di stima di massima verosimiglianza, di quasi-massima verosimiglianza e dell metodo generalizzato dei momenti che saranno utilizzati per la stima dei modelli presentati. L'enfasi del corso e' sull'analisi empirica.
Cameron, A.C. and P. K. Trivedi (2005) "MICROECONOMETRICS: Methods and Applications", Cambridge University Press, New York.
Obiettivi Formativi
Alla fine del corso, gli studenti saranno in grado si selezionare il modello più' appropriato per una serie di tipologie di dati. Saranno inoltre in grado di selezionare la migliore specificazione di un dato modello, condurre test di ipotesi sui parametri del modello e di compiere analisi sulla robustezza dei risultati empirici. Gli studenti saranno capaci di interpretare e discutere dei risultati empirici sia in termini delle implicazioni statistiche che di quelle che si hanno per le teorie economiche, finanziarie e sociali in generale.
Prerequisiti
Econometrics.
Metodi Didattici
Lezioni e svolgimento passo passo di casi di studio empirici.
Altre Informazioni
Nessuna.
Modalità di verifica apprendimento
Esame scritto comprendente:
- domande teoriche che richiedono derivazioni e/o alcuni calcoli
- una componente empirica che richiedera' l'uso di pacchetti statistici per la stima e l'analisi di semplici casi di studio.
Programma del corso
1. Introduzione: Simulazioni Monte Carlo, Legge dei Grandi Numeri, Distorsione, Teorema del Limite Centrale.
2. Massima Verosimiglianza: Principi, Proprieta', Meccanica, Principi di Test Classici: Wald, Rapporto di Verosimiglianza, Lagrange, Esempi: Prove Binomiali e Regressioni Lineari.
3. Modelli per dati Binari: Regressioni Lineari, Funzioni di Link, Interpretazione dei Coefficienti, Modelli a Variabili Latenti, Analisi di Verosimiglianza, Bona' di Adattamento, Esempi: Nuovi Metodi di Insegnamento dell'Economia.
4. Modelli per dati di Conteggio: Regressioni Lineari, Regressioni Poisson, Analisi di Verosimiglianza, Sovra-Dispersione: Binomiale Negativa di tipi I e II, Esempi: Un Modello per gli Arresti.
5. Modelli per dati di Durata: Funzione di Sopravvivenza, Funzione di Rischio, Analisi di Verosimiglianza, Troncamenti, Esempi: Scioperi nel Mercato del Lavoro.
6. Quasi-Massima Verosimiglianza: Problemi con la Massima Verosimiglianza, Quasi-Massima Verosimiglianza, Proprieta', Esempi: Densita' Lineari-Esponenziali.
7. Metodo Generalizzato dei Momenti: Condizioni sui Momenti ed Identificazione, Variabili Strumentali, Stimatore del Metodo dei Momenti, Metodo Generalizzato dei Momenti: stima, consistenza, distribuzione asintotica, Metodo Generalizzato dei Momenti Efficiente, Confronto con lo stimatore di Massima Verosimiglianza, Esempi: Medie, Minimi Quadrati Ordinari, Variabili Strumentali, Minimi Quadrati a 2 Stadi e C-CAPM.
8. Modelli per dati Longitudinali: Esempio della struttura dei Dati, Regressioni Totali, Eterogeneita' non osservata, Effetti Fissi, Effetti Casuali, Test di Hausman.
9. Modelli per dati Multinomiali: Logit Multinomiale, Logit Annidiati, Probit Multinomiali, Esempi: Rimozione dal Listino di Borsa di Società' quotate.