Al termine del corso, gli studenti saranno in
grado di: 1) definire una domanda economica
a cui si può rispondere con un'analisi
quantitativa; 2) comprendere il problema
dell'identificazione di un parametro
economico rilevante per rispondere alla
domanda; 3) esplorare una banca dati per
individuare pattern, outlier e proprietà
statistiche; 4) programmare un codice di base
in Stata per esplorare i dati ed eseguire uno
stimatore lineare per rispondere a una
domanda economica; 5) leggere e
interpretare i risultati di un'analisi di
regressione; 6) eseguire un’analisi di impatto
usando un disegno di ricerca; 7) capire la
logica dell’analisi empirica che usa Big Data.
La conoscenza dei fondamenti della micro e macroeconomia, dell’inferenza statistica e della regressione lineare sono utili per il
corso.
Per le propedeuticità obbligatorie previste consultare il sito del Corso di laurea: https://lt-eco.unibg.it/it/node/119
Il corso mescolerà lezioni frontali e laboratori
applicati con Stata (uno dei software più
utilizzati al mondo per l'analisi empirica in
molti campi, tra cui l'economia), in cui gli
studenti avranno la possibilità di mettere "le
mani" su dati reali e testare le teorie
economiche apprese anche in altri corsi di
economia.
Un compito a casa (60% del voto finale) e una
prova scritta finale (40% del voto finale).
I compiti a casa consisteranno principalmente
in applicazioni empiriche con Stata.
Il test finale consisterà in domande aperte
sugli argomenti trattati nel corso.
Per superare il corso è richiesto un punteggio
minimo di 18/30 sia nel compito a casa che
nella prova scritta.
Il corso tratterà i seguenti argomenti:
1. Introduzione alla moderna economia
empirica; il modello dei risultati potenziali; il
concetto di causalità, controfattuale e
autoselezione; introduzione alle proprietà del
campionamento.
2. Familiarizzazione con Stata: pulizia dei dati,
creazione di variabili e statistiche descrittive.
3. Regressione MQO. Indipendenza dalla
media. Proprietà algebriche e asintotiche
dell'MQO. L'anatomia della regressione e la
formula della variabile omessa.
4.La regressione: Significatività
economica e statistica; dimensione
dell'effetto e analisi della potenza; non
linearità e termini di interazione; DAG e scelta
dei controlli.
5. Validità. L'approccio alla Campbell.
Minacce alla validità interna. Validità esterna
6. Variabile dipendente limitata. Modello di
probabilità lineare. Logit e Probit. MLE.
Analisi della previsione e ROC
7. Dati panel. Notazione. Unione di insiemi di
dati. Stimatore a effetti fissi
