Skip to main content
If you continue browsing this website, you agree to our policies:
  • Condizioni di utilizzo e trattamento dei dati
Continue
x
e-Learning - UNIMIB
  • Home
  • My Media
  • More
Listen to this page using ReadSpeaker
English ‎(en)‎
English ‎(en)‎ Italiano ‎(it)‎
 Log in
e-Learning - UNIMIB
Home My Media
Percorso della pagina
  1. Economics
  2. Master Degree
  3. Scienze Statistiche ed Economiche [F8206B - F8204B]
  4. Courses
  5. A.A. 2026-2027
  6. 1st year
  1. Analysis of Economic Time Series and Longitudinal Data M
  2. Summary
Insegnamento con unità didattiche Course full name
Analysis of Economic Time Series and Longitudinal Data M
Course ID number
2627-1-F8206B001
Course summary SYLLABUS

Blocks

Skip Teaching units

Teaching units

Course full name Serie Storiche Economiche Course ID number 2627-1-F8206B001-F8206B001-1
Course summary SYLLABUS
Course full name Microeconometrics Course ID number 2627-1-F8206B001-F8206B001-2
Course summary SYLLABUS

Course Syllabus

  • Italiano ‎(it)‎
  • English ‎(en)‎
Export

Obiettivi formativi

L’insegnamento è composto da due moduli: Serie Storiche Economiche e Microeconometria. Con il modulo di Serie Storiche Economiche intende fornire allo studente la conoscenza di metodi statistici avanzati per l’analisi delle serie storiche economiche, univariate e multivariate. Si focalizza l’attenzione sulle caratteristiche delle serie storiche economiche, descrivendo i metodi per l’analisi delle serie non stazionarie. Si descrivono i processi autoregressivi vettoriali, illustrando i lori utilizzi a fini predittivi, di analisi causale e dinamica. Si forniscono gli strumenti statistici per verificare l’esistenza di relazioni di cointegrazione tra le serie storiche che descrivono l’evoluzione di variabili economiche diverse ma legate tra loro. Al termine dell’insegnamento si attende che lo studente dimostri di:

  • conoscere i metodi statistici avanzati per l’analisi delle serie storiche;

  • saper analizzare le serie storiche, univariate e multivariate, che descrivono variabili economiche;

  • interpretare correttamente i risultati ottenuti dall’analisi delle serie storiche.

Microeconometria 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.

Contenuti sintetici

Per Serie Storiche Economiche:

le serie storiche univariate non stazionarie;
i test di radice unitaria;
le serie storiche multivariate stazionarie;
i modelli autogressivi vettoriali (VAR);
la cointegrazione;
la rappresentazione a correzione d’errore (ECM);
i test di cointegrazione.

Per 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 per dati di durata

Programma esteso

Per Serie Storiche Economiche:

le serie storiche economiche non stazionarie;
i processi trend-stazionari ed i processi a radice unitaria;
i test di radice unitaria;
i modelli autoregressivi vettoriali (VAR);
le condizioni per la stazionarietà di un VAR;
la stima di un VAR;
l’uso di un VAR: le previsioni, l’analisi di causalità di Granger, la funzione impulso-risposta;
la regressione spuria;
la cointegrazione;
la rappresentazione a correzione d’errore (ECM);
il teorema di rappresentazione di Granger;
la stima dell'ECM;
i test di cointegrazione.

Per Microeconometria:

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

Prerequisiti

Si richiede una solida conoscenza dell'analisi delle serie storiche e del software statistico R. Sono date per acquisite le nozioni di base di econometria, microeconomia e macroeconomia.

Metodi didattici

L'insegnamento prevede 84 ore di lezioni frontali, 42 per ciascun modulo.

Modalità di verifica dell'apprendimento

La verifica dell'appendimento per ogni modulo avviene con una prova scritta.

Testi di riferimento

Zavanella, B. (2004) Modelli per le serie storiche non stazionarie e multivariate. Editore: CUSL.

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

Periodo di erogazione dell'insegnamento

Secondo semestre.

Lingua di insegnamento

Italiano

Sustainable Development Goals

ISTRUZIONE DI QUALITÁ
Export

Learning objectives

The course includes two modules: Economic Time Series and Microeconometrics. Economic Time Series aims at providing the knowledge needed to analyse economic time series, both univariate and multivariate. This course provides a comprehensive understanding of non-stationary univariate time series and vector autoregressive processes, focusing attention on their use for forecasting and dynamic analysis. It also describes how to test the cointegration relationships between economic variables and to analyse deviations from a long-run equilibrium. By the end of the course, students are expected to acquire:

  • the knowledge of advanced statistical methods to analyse time series;
  • the ability to analyse univariate and multivariate time series describing economic variables;
  • the ability to interpret the results obtained from time series analysis.

Microeconometrics 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 tools of investigation and to interpret the empirical findings.

Contents

Economic Time Series:

non-stationary univariate time series;
unit root tests;
stationary multivariate time series;
vector autoregressive models (VAR);
cointegration;
error correction mechanism (ECM);
cointegration tests.

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

Detailed program

Economic Time Series:

non-stationary economic time series;
trend-stationary and unit root processes;
unit root tests;
vector autoregressive processes (VAR);
conditions for stationary VAR processes;
estimation of VAR models;
use of VAR models: forecasting, the Granger causality test, the impulse-response function;
spurious regression;
cointegration;
error correction mechanism (ECM);
Granger’s representation theorem;
ECM estimation;
cointegration tests.

Microeconometrics:

· 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

Prerequisites

A solid knowledge of time series analysis and the statistical software R is recommended. Introductory notions of econometrics, micro economics and macroeconomics are taken for granted.

Teaching methods

The course includes 84 hours of frontal lessons, 42 hours for each module.

Assessment methods

A written exam for each module.

Textbooks and Reading Materials

Zavanella, B. (2004) Modelli per le serie storiche non stazionarie e multivariate. Editore: CUSL.

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

Semester

Second semester.

Teaching language

Italian

Sustainable Development Goals

QUALITY EDUCATION
Enter

Key information

ECTS
12
Term
Second semester
Activity type
Mandatory
Course Length (Hours)
84
Degree Course Type
2-year Master Degree
Language
Italian

Staff

    Teacher

  • MM
    Matteo Manera
  • MM
    Mauro Mussini

Students' opinion

View previous A.Y. opinion

Bibliography

Find the books for this course in the Library

Enrolment methods

Manual enrolments
Guest access

Sustainable Development Goals

QUALITY EDUCATION - Ensure inclusive and equitable quality education and promote lifelong learning opportunities for all
QUALITY EDUCATION

You are not logged in. (Log in)
Policies
Get the mobile app
Powered by Moodle
© 2026 Università degli Studi di Milano-Bicocca
  • Privacy policy
  • Accessibility
  • Statistics