ANTONIO NAIMOLI | REGRESSION MODELS
ANTONIO NAIMOLI REGRESSION MODELS
cod. 8861200013
REGRESSION MODELS
| 8861200013 | |
| DIPARTIMENTO DI SCIENZE ECONOMICHE E STATISTICHE | |
| Corso di Dottorato (D.M.226/2021) | |
| ECONOMIA E POLITICHE DEI MERCATI E DELLE IMPRESE | |
| 2023/2024 |
| OBBLIGATORIO | |
| ANNO CORSO 1 | |
| ANNO ORDINAMENTO 2023 | |
| ANNUALE |
| SSD | CFU | ORE | ATTIVITÀ | |
|---|---|---|---|---|
| SECS-S/03 | 2 | 10 | LEZIONE |
| Obiettivi | |
|---|---|
| CONOSCENZE E CAPACITÀ DI COMPRENSIONE SI MIRA A FORNIRE AGLI STUDENTI GLI STRUMENTI METODOLOGICI PER COMPRENDERE ED APPLICARE METODI STATISTICI PER LA VALUTAZIONE DELLE POLITICHE E DEI PROGRAMMI DI INTERVENTO IN AMBITO PUBBLICO E PRIVATO. IN PARTICOLARE, CI SI ATTENDE CHE GLI STUDENTI ACQUISISCANO LE SEGUENTI CONOSCENZE: - CONOSCENZA DEI FONDAMENTI ECONOMETRICI DELLA VALUTAZIONE DEGLI EFFETTI DI POLITICHE E PROGRAMMI DI INTERVENTO - CONOSCENZA DEI PRINCIPALI METODI PER LA VALUTAZIONE DI EFFETTI DI POLITICHE E PROGRAMMI IN CONTESTI SPERIMENTALI E NON SPERIMENTALI - CONOSCENZA DEI PRINCIPALI METODI DI STIMA PER IL TRATTAMENTO DI EFFETTI DI SELECTION BIAS IN UN CONTESTO DI VALUTAZIONE. CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE SI MIRA A FORNIRE AGLI STUDENTI LA CAPACITÀ DI UTILIZZARE MODELLI AVANZATI PER LA VALUTAZIONE DEGLI EFFETTI DELLE POLITICHE ED ALTRI PROGRAMMI DI INTERVENTO IN AMBITO PUBBLICO E PRIVATO. IN PARTICOLARE CI SI ATTENDE CHE GLI STUDENTI ACQUISISCANO LE SEGUENTI ABILITA’: -CAPACITA’ DI IDENTIFICARE IN APPLICAZIONI REALI MODELLI E METODI DI VALUTAZIONE ADEGUATI AL CONTESTO ANALIZZATO - CAPACITA’ DI IMPLEMENTARE AL CALCOLATORE SU DATI REALI I PRINCIPALI METODI STATISTICI PER LA VALUTAZIONE DI PROGRAMMA - CAPACITA’ DI INTERPRETARE IN TERMINI POLITICI ED ECONOMICI I RISULTATI OTTENUTI DALLE ANALISI EMPIRICHE |
| Prerequisiti | |
|---|---|
| CONOSCENZA DELLE NOZIONI BASILARI DI PROBABILITA', STATISTICA DESCRITTIVA ED INFERENZIALE. |
| Contenuti | |
|---|---|
| SI FORNIRANNO I FONDAMENTI STATISTICI DELL’ANALISI DI REGRESSIONE. ARGOMENTI: - RICHIAMI DI STATISTICA DESCRITTIVA. - COVARIANZA, CORRELAZIONE E RELAZIONI CAUSA-EFFETTO. - MODELLO DI REGRESSIONE LINEARE SEMPLICE: MODELLO, STIMA E DIAGNOSTICA, L’ANALISI DEGLI EFFETTI CAUSALI NEL MODELLO DI REGRESSIONE LINEARE SEMPLICE. - MODELLO DI REGRESSIONE LINEARE MULTIPLA: MODELLO, STIMA E DIAGNOSTICA, L’ANALISI DEGLI EFFETTI CAUSALI NEL MODELLO DI REGRESSIONE LINEARE MULTIPLA, EFFETTI DELL’OMISSIONE DI VARIABILI RILEVANTI, LE VARIABILI DI CONTROLLO: DEFINIZIONE, CRITERI DI SELEZIONE DELLE VARIABILI E PROPRIETÀ DELLE STIME OLS. - FUNZIONI DI REGRESSIONE NON LINEARI: FUNZIONI POLINOMIALI, TRASFORMAZIONI LOGARITMICHE, INTERAZIONI. L’ESPOSIZIONE DEGLI ARGOMENTI TEORICI VERRÀ CORREDATA CON LO SVILUPPO E LA DISCUSSIONE DI CASI STUDIO SU DATI REALI. I MODELLI SARANNO IMPLEMENTATI MEDIANTE IL SOFTWARE STATISTICO R. |
| Metodi Didattici | |
|---|---|
| LEZIONI FRONTALI ED ESERCITAZIONI. |
| Verifica dell'apprendimento | |
|---|---|
| IL RAGGIUNGIMENTO DEGLI OBIETTIVI DELL’INSEGNAMENTO È CERTIFICATO MEDIANTE IL SUPERAMENTO DI UN ESAME BASATO SULLA DISCUSSIONE DI UN PROJECT WORK. |
| Testi | |
|---|---|
| JAMES H. STOCK, MARK W. WATSON (2020) INTRODUZIONE ALL’ECONOMETRIA, V EDIZIONE. PEARSON. MARNO VERBEEK (2017) A GUIDE TO MODERN ECONOMETRICS, 5TH EDITION. JOHN WILEY & SONS. GUIDO W. IMBENS, JEFFREY M. WOOLDRIDGE (2009) RECENT DEVELOPMENTS IN THE ECONOMETRICS OF PROGRAM EVALUATION, JOURNAL OF ECONOMIC LITERATURE, VOL. 47, NO. 1, MARCH 2009 (PP. 5-86). |
| Altre Informazioni | |
|---|---|
| MATERIALE DIDATTICO INTEGRATIVO (DATI, SOFTWARE, SLIDES) VERRÀ DISTRIBUITO ATTRAVERSO IL SITO WEB DEL DOCENTE. |
BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2024-12-17]
