Transcript Analisi delle serie economiche temporali e longitudinali - e

Testi del Syllabus
Resp. Did.
ZAVANELLA BIANCAMARIA
Anno offerta:
Corso di studio:
2016/2017
F8204B001 - ANALISI DELLE SERIE ECONOMICHE TEMPORALI E
LONGITUDINALI M
F8204B - SCIENZE STATISTICHE ED ECONOMICHE
Anno regolamento:
2016
CFU:
12
Anno corso:
1
Periodo:
Secondo Semestre
Insegnamento:
Matricola:
010429
Testi in italiano
Lingua insegnamento
Italiano
Contenuti
Microeconometria
• Introduzione, motivazione e definizioni
• Modelli per serie storiche pooled
• Modelli per dati longitudinali
• Dati panel e modelli two-way
• Dati panel e modelli dinamici
• Modelli per variabili dipendenti qualitative: scelte binarie
• Modelli per variabili dipendenti qualitative: scelte multiple
• Modelli per variabili limitate: censura e troncamento
• Modelli per dati count
• Modelli di durata
Serie storiche economiche
Richiami dei modelli ARMA e ARIMA
Il problema della non stazionarietà delle serie univariate
Test di stazionarietà
Modelli vettoriali stazionari (VARMA)
Modelli vettoriali autoregressivi (VAR)
Cointegrazione nei modelli VAR
Modello di state space e filtro di Kalman
Testi di riferimento
• W. Greene, Econometric Analysis, Prentice Hall International, 4a edizione, 2002
• G.S. Maddala, Limited-Dependent and Qualitative Variables in Econometrics,
Cambridge University Press, 1983
• M. Manera, M. Galeotti, Microeconometria, Metodi e Applicazioni, Carocci, 2005
• J.M. Wooldridge, Econometric Analysis of Cross Sections and Panel Data, The
MIT Press, 2002
Serie storiche economiche
J.D. Hamilton, Econometria delle serie storiche, Monduzzi, Bologna, 1995.
Harvey, Andrew C., Time series models, 2nd ed., New York, Harvester Wheatsheaf,
1993.
Lütkepohl, H., Introduction to multiple time series analysis: Springer-Verlag, c1991,
New York.
Dispensa del docente reperibile on line.
Obiettivi formativi
Il corso si propone di fornire allo studente strumenti avanzati, di natura teorica e
applicata, riguardanti i modelli per dati panel, i modelli per variabili dipendenti
qualitative, “censurate” o “troncate”, i modelli per dati count e i modelli di durata.
Al termine del corso, lo studente sarà in grado di applicare quanto appreso a casi
reali, avendo sviluppato un’adeguata capacità critica per quanto riguarda la scelta
degli strumenti e l’interpretazione dei risultati.
Serie storiche economiche
Il corso fornisce allo studente strumenti avanzati per l’analisi di serie storiche
univariate e multivariate, a fini sia previsivi, sia interpretativi dei fenomeni economici
e delle loro dinamiche.
Prerequisiti
Nessuna. Tuttavia sono date per acquisite le nozioni di base di econometria,
microeconomia e macroeconomia.
Serie storiche economiche
Questa attività formativa non prevede alcuna propedeuticità. Tuttavia sono date per
acquisite le nozioni di base di econometria, microeconomia e macroeconomia
Metodi didattici
Lezioni frontali (in aula e in laboratorio informatico)
Serie storiche economiche
Lezioni frontale
Altre informazioni
e-mail: [email protected]
Serie storiche economiche
e-mail:[email protected]
Modalità di verifica
dell'apprendimento
L’esame consiste in una prova scritta e interpretazione dei risultati prodotti in
laboratorio.
Serie storiche economiche
Esame teorico e pratico
Programma esteso
• Richiami sugli stimatori di base (OLS, GLS, IV)
• Eteroschedasticità cross-sezionale e autocorrelazione
• Effetti fissi (stimatore OLS con variabili dummy, trasformazione within)
• Effetti casuali, non correlati con i regressori (stimatore GLS, trasformazione
between)
• Effetti casuali, correlati con i regressori (stimatore IV)
• Modelli panel two-way: effetti fissi e casuali
• Modelli panel dinamici: differenze prime e stimatori IV e GMM
• Modelli per variabili dipendenti qualitative: scelte binarie (Logit e Probit)
• Modelli per variabili dipendenti qualitative: scelte multiple (Multinomial e
Conditional Logit, Nested Logit)
• Modelli per variabili limitate: censura e troncamento (Tobit)
• Modelli per dati count (Poisson e Binomiale negativa)
• Modelli di durata
Serie storiche economiche
Richiami dei modelli ARMA e ARIMA
Modelli dinamici stazionari
Il problema della non stazionarietà
Analisi di variabili non stazionarie
Fluttuazioni di breve e di lungo periodo
Trend stocastici e deterministici
Test di stazionarietà e non stazionarietà
Processi lineari integrati
Modelli vettoriali stazionari (VARMA)
La logica dei modelli vettoriali autoregressivi (VAR)
Modelli cointegrati
Error correction mechanism
Teorema di rappresentazione di Granger
Procedura di Johansen
Test di cointegrazione
Modelli a variabili latenti. Il filtro di Kalman e il filtro di Hamilton
Modelli strutturali e modelli VAR
Testi in inglese
Lingua insegnamento
Italian
Contenuti
Microeconometrics
• Introduction, motivation and definitions
• Models for pooled time series
• Models for longitudinal data
• Panel data and two-way models
• Dynamic panel data models
• Models for qualitative dependent variables: binary choices
• Models for qualitative dependent variables: multiple choices
• Models for limited dependent variables: censoring and truncation
• Count data models
• Duration models
Economic time series analysis
Summary of ARMA and ARIMA models
Non-stationarity in univariate time series
Non-stationarity tests
Stationary vector models (VARMA)
Autoregressive vector models (VAR)
Cointegration in VAR models
State-space models and the Kalman filter
Testi di riferimento
• W. Greene, Econometric Analysis, Prentice Hall International, 4a edizione, 2002
• G.S. Maddala, Limited-Dependent and Qualitative Variables in Econometrics,
Cambridge University Press, 1983
• M. Manera, M. Galeotti, Microeconometria, Metodi e Applicazioni, Carocci, 2005
• J.M. Wooldridge, Econometric Analysis of Cross Sections and Panel Data, The
MIT Press, 2002
Economic time series analysis
J.D. Hamilton, Econometria delle serie storiche, Monduzzi, Bologna, 1995.
Harvey, Andrew C., Time series models, 2nd ed., New York, Harvester Wheatsheaf,
1993.
Lütkepohl, H., Introduction to multiple time series analysis: Springer-Verlag, c1991,
New York.
Class notes of the teacher available on line
Obiettivi formativi
This course aims at providing students with advanced instruments, both theoretical
and empirical, to estimate models for panel data (static and dynamic), models for
qualitative response variables, models for limited dependent (i.e. censored and
truncated) variables, models for count data and duration models.
At the end of the course students will be able to apply the techniques illustrated
during lectures and classes to real situations, since they have developed adequate
critical skills to choose the appropriate instruments of investigation and to interpret
the empirical findings.
Economic time series analysis
The course provides students with advanced instruments for the analysis of
univariate as well as multivariate time series, in order to forecast and interpret
economic phenomena and their dynamics
Prerequisiti
None. Nevertheless, introductory notions of econometrics, micro economics and
macroeconomics are taken for granted.
Economic time series analysis
No formal propedeuticity is required. However, basic knowledge of econonometrics,
microeconomics and macroeconomics is required.
Metodi didattici
Front-lectures (both in standard lecture rooms and in computer labs)
Economic time series analysis
The course is articulated in theoretical classes and lab sessions.
Altre informazioni
e-mail: [email protected]
Economic time series analysis
e-mail:[email protected]
Modalità di verifica
dell'apprendimento
The final exam consists in a series of written questions and in the interpretation of
computer output.
Economic time series analysis
Theoretical and practical examination
Programma esteso
• Summary of introdutory estimation techniques (OLS, GLS, IV)
• Cross-sectional heteroskedasticity and autocorrelation
• Fixed effetcs (OLS estimator with dummy variables, within transformation)
• Random effects, uncorrelated with the regressors (GLS estimator, between
transformation)
• Random effects, correlated with some regressors (IV estimator)
• Two-way panel data models: fixed and random effects
• Dynamic panel data models: first differences, IV and GMM estimators
• Models for qualitative dependent variables: binary choices (Logit and Probit)
• Models for qualitative dependent variables: multiple choices (Multinomial and
Conditional Logit, Nested Logit)
• Models for limited dependent variables: censoring and truncation (Tobit)
• Count data models (Poisson and Negative Binomial)
• Duration models
Economic time series analysis
.Summary of ARMA and ARIMA models
Stationary dynamic models
The problem on non-stationary time series
Analysis of non-stationary variables
Short-run and long-run fluctuations
Stochastic and deterministic trends
Test for stationarity and non-stationarity
Integrated linear processes
Stationary vector models (VARMA)
The logics of autoregressive vector models (VAR)
Cointegrated models
Error correction mechanism
The Granger representation theorem
The Johansen procedure
Cointegration tests
Latent variable models. The Kalman filter and the Hamilton filter
Structural models e VAR model