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 e micro.

1. Richiami di Matematica: definizione, calcolo, e proprietà di matrici.

2. 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).

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

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

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

6. Modelli 'Logit' e 'Probit': (i) stima ed inferenza; (ii) diagnostica test.

7. Regressioni con Variabili Strumentali: (i) modello di regressione (assunzioni e dimostrazioni); (ii) stima dei parametri di regressione; (iii) analisi di regressione 'Two Stage Least Squares'; (iv) diagnostica test.

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

9. Serie Storiche Multivariate Lineari: (i) modelli autoregressivi vettoriali; (ii) previsioni multiperiodali; (iii) cointegrazione.

Durante il corso, gli studenti svolgeranno lezioni pratiche sugli argomenti descritti in forma cartacea ed 'analitica', mediante l'utilizzo del software 'open source' GRETL.

• 1.  (A) Stock, James H. and Watson, Mark W. Introduzione all'econometria Pearson, Milano, 2020
• 2.  (C) Wooldridge, Jeffrey M. Introductory Econometrics: A Modern Approach South-Western Pub, United States, 2019

• Lezioni frontali e analisi di studi di caso.

• La modalità di valutazione consiste in una prova scritta, con valutazione in trentesimi, contenente dimostrazioni, domande teoriche/pratiche, e analisi di rappresentazioni grafiche.
  
  Durante il corso è previsto lo svolgimento di un 'Project Work' su dati empirici (reali) mediante il software utilizzato a lezione. Il Project Work comporta un punteggio aggiuntivo fino a 2 punti 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 (0 o 2 punti), limitatamente alla prova sostenuta - con qualsiasi esito - in uno degli appelli della prima sessione d'esame.

nozioni di inglese