Elementi di Analisi dei Dati e di Statistica Descrittiva: (i) Distribuzioni Statistiche; (ii) Rappresentazioni Grafiche; (iii) Valori Medi; (iv) Indici di Posizione; (v) Indici di Variabilità; (vi) Analisi della Dipendenza; (vii) Probabilità.

Il corso intende fornire le basi dell'Econometria sufficienti ad evidenziare le potenzialità applicative in ambito economico-sociale e territoriale. Durante il corso, gli studenti saranno sollecitati, mediante l'utilizzo di appropriati software, ad applicare le nozioni teoriche/analitiche e metodologiche al fine di risolvere problemi empirici nell'analisi di dati macro, micro, temporali e spaziali.

1. Richiami di Probabilità: (i) variabili casuali e distribuzioni di probabilità; (ii) momenti di una distribuzione; (iii) campionamento casuale, inferenza, e distribuzione della media campionaria; (iv) Legge dei Grandi Numeri (LGN) e Teorema del Limite Centrale (TLC).

2. Regressione Lineare Semplice: (i) modello di regressione; (ii) stima dei parametri di regressione; (iii) misure di bontà dell'adattamento; (iv) test d'ipotesi e stima d'intervallo; (v) massima verosimiglianza.

3. Richiami di Algebra Lineare.

4. Regressione Lineare Multipla: (i) modello di regressione; (ii) proprietà asintotiche; (iii) distorsioni e stimatori; (iv) diagnostica test; (v) verifica di ipotesi congiunte.

5. Modelli di Regressione non Lineari: (i) funzioni logaritmiche; (iii) interazioni tra variabili casuali; (iv) interazioni tra variabili casuali e dicotomiche; (v) distorsioni e stimatori.

6. Serie Storiche Univariate Lineari: (i) regressioni temporali (assunzioni e dimostrazioni); (ii) modelli autoregressivi; (iii) modelli di media mobile; (iv) analisi di 'forecasting'.

7. Analisi di Dati Spaziali: (i) autocorrelazione spaziale; (ii) modello autoregressivo spaziale; (iii) modelli spaziali alternativi.

Durante il corso, gli studenti svolgeranno lezioni pratiche sugli argomenti mediante l'utilizzo del software 'open source' RStudio.

• 1.  (A) Stock, James H. and Watson, Mark W. Introduzione all'econometria Pearson, Milano, 2020 » Pagine/Capitoli: Indicati dal docente
• 2.  (C) Wooldrige, Jeffrey M. Introductory Econometrics: A Modern Approach South-Western, USA, 2019 » Pagine/Capitoli: Indicati dal docente
• 3.  (C) Piccolo, Domenico Statistica il Mulino, Bologna, 1998 » Pagine/Capitoli: 12-14
• 4.  (C) Bivand, Roger S. and Pebesma, Edzer and Gomez-Rubio, Virgilio Applied Spatial Data Analysis with R Springer, USA, 2013 » Pagine/Capitoli: Indicati dal docente

• Lezioni teoriche/metodologiche. Esercizi empirici di natura economica. Studio di casi su dati reali mediante l'utilizzo del software RStudio.

• La modalità di valutazione (in trentesimi) consiste in una prova scritta in cui gli studenti dovranno svolgere alcuni quesiti (suddivisi in sottopunti) contenenti: domande teoriche/pratiche; svolgimento di esercizi; interpretazione di grafici e output di stima.
  
  Durante il corso è previsto lo svolgimento di un 'Project Work' in gruppi su dati economico-ambientali mediante il software utilizzato a lezione. I gruppi devono essere composti da un minimo di 2 ad un massimo di 4 studenti. Il 'Project Work' è obbligatorio e comporta un punteggio aggiuntivo fino a 3 punti (massimo) sul voto conseguito nella prova scritta.
  
  Il voto finale dell'esame è ottenuto sommando all'esito della prova scritta il voto ottenuto nel Project Work (da 0 a 3 punti), limitatamente alla prova sostenuta - con qualsiasi esito - in uno degli appelli della prima sessione d'esame. In caso di ritiro alla prova scritta, il punteggio del 'Project Work' sarà mantenuto, ma sempre entro la prima sessione d'esame.
  

Inglese